Meningeal Tertiary Lymphoid Tissues and Multiple Sclerosis: A Gathering Place for Diverse Types of Immune Cells during CNS Autoimmunity
Notice bibliographique
Résumé
Collections of leukocytes in the meningeal space have been documented in Multiple Sclerosis (MS). These meningeal aggregates, which in the context of other autoimmune diseases have often been termed tertiary lymphoid tissues (TLT), have been associated with sub-pial cortical damage and disease progression. However, the key molecular and cellular signals required for their formation and maintenance remain unclear. Herein, we review TLT structures in other disease states in order to provide a framework for understanding these structures in the MS meninges. We then assess the evidence that the meningeal compartment serves as an important nexus for immune cells as well as a location for drainage of antigen into cervical lymph nodes. Extrapolating what is known about the molecular and cellular cues that initiate the formation of leukocyte aggregates in non-lymphoid tissues, we speculate on what signals lead to the formation and maintenance of meningeal TLT structures. Referring to the animal model of MS [experimental autoimmune encephalomyelitis (EAE)], we also explore what is known about these structures in supporting B cell and T cell responses during neuroinflammation. Last, we examine the evidence that connects these structures to ongoing neuropathology. Collectively, our review points to the meningeal compartment as an important player in neuroinflammatory processes. Moreover, we hypothesize that in order to gain insights into pro- and anti-inflammatory properties of lymphocytes in MS, one must understand the cellular scaffolds that support lymphocyte retention within the meninges, thus highlighting the importance of non-immune cells (stromal cells) in the neuroinflammatory process.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».