Linking the T cell receptor to the single cell transcriptome in antigen‐specific human T cells
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Heterogeneity of T cells is a hallmark of a successful adaptive immune response, harnessing the vast diversity of antigen-specific T cells into a coordinated evolution of effector and memory outcomes. The T cell receptor (TCR) repertoire is highly diverse to account for the highly heterogeneous antigenic world. During the response to a virus multiple individual clones of antigen specific CD8+ (Ag-specific) T cells can be identified against a single epitope and multiple epitopes are recognised. Advances in single-cell technologies have provided the potential to study Ag-specific T cell heterogeneity at both surface phenotype and transcriptome levels, thereby allowing investigation of the diversity within the same apparent sub-population. We propose a new method (VDJPuzzle) to reconstruct the native TCRαβ from single cell RNA-seq data of Ag-specific T cells and then to link these with the gene expression profile of individual cells. We applied this method using rare Ag-specific T cells isolated from peripheral blood of a subject who cleared hepatitis C virus infection. We successfully reconstructed productive TCRαβ in 56 of a total of 63 cells (89%), with double α and double β in 18, and 7% respectively, and double TCRαβ in 2 cells. The method was validated via standard single cell PCR sequencing of the TCR. We demonstrate that single-cell transcriptome analysis can successfully distinguish Ag-specific T cell populations sorted directly from resting memory cells in peripheral blood and sorted after ex vivo stimulation. This approach allows a detailed analysis of the TCR diversity and its relationship with the transcriptional profile of different clones.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 découle