Ex Vivo Signaling Protein Mapping in T Lymphocytes in the Psoriatic Arthritis Joints
Notice bibliographique
Résumé
We assessed signaling protein mapping in total T cells, to analyze the proportions of T regulatory (Treg) and TCD4+ effector (Teff) cell phenotypes, and the respective interleukin 6Rα (IL-6Rα) expression in the inflammatory microenvironment of synovial fluid (SF) of patients with sustained psoriatic arthritis (PsA). Our approach was to measure the IL-6 level in SF using a multiplex bead immunoassay. Reverse-phase protein array was used to assess Janus kinase (JAK) 1 and JAK2, extra-cellular regulated kinase (ERK) 1 and 2, protein kinase Cδ (PKCδ), signal transducer and activator and transcription (STAT) 1, STAT3, and STAT5 phosphoproteins in total T cell lysates from SF of patients with PsA. Frequencies of CD4+IL-17A-F+IL-23+ CD4+ Th cells producing IL-17A and IL-17F (Th17) and CD4+CD25high intracellular forkhead box transcription factor+ (FOXP3+) phenotypes, and the percentage of Treg- and Teff- cells were quantified in SF and matched peripheral blood (PB) of patients with PsA and PB of healthy controls (HC) by flow cytometry. Our results were the following: In PsA SF samples, a coordinate increase of JAK1, ERK1/2, STAT1, STAT3, and STAT5 phosphoproteins was found in total T cells in SF of PsA; where IL-6 levels were higher than in PB from HC. Expanded CD4+IL-17A-F+IL-23+ Th17, CD4+ CD25- Teff- and CD4+CD25(high) FoxP3+Treg subsets, showing similar levels of enhanced IL-6Rδ expression, were confined to PsA joints. In our studies, the transcriptional network profile identified by ex vivo signaling protein mapping in T lymphocytes in PsA joints revealed the complex interplay between IL-1, IL-6, and IL-23 signaling and differentiation of Th17 cells and CD4+Tregs in sustained joint inflammation in PsA.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».