244. T CELL SIGNATURES PREDICTING RESPONSE TO BIOLOGICS IN RHEUMATOID ARTHRITIS: TOWARDS DEVELOPMENT OF A 34 PARAMETER MASS CYTOMETRY PANEL
Notice bibliographique
Résumé
Background: Treating the inflammation of rheumatoid arthritis (RA) early leads to improved patient outcomes. However, 30% will fail to respond to the first biologic drug tried and currently there is no way to predict which drug will be effective. This project aims to identify different RA immunophenotypes in order to predict treatment response to biologic drugs. Methods: RA patients with active disease (DAS28 >5.1) who were due to commence treatment with a biologic drug were included. PBMCs were stimulated with PMA and ionomycin or αCD3/αCD28 beads and analysed using 16-parameter flow cytometry for: a) T and B cell subsets; and b) Intracellular cytokine quantification (IFNγ, TNFα, IL-13, IL-10, IL-17A, GM-CSF). Results: 7 RA patients and 9 healthy control (HC) samples were tested. There were large differences in the proportions of both IFNγ+ T cells (range 8% to 65% in RA and 18% to 49% in controls) and IL-17A+ T cells (range 1.2% to 12%) within and between RA and HC. The proportion of IFNγ+ T cells (Th1) did not correlate with that of IL-17A+ T cells (Th17), leading to the generation of 4 immunophenotypes: Th1, Th17, double-hi, and low, depending on cytokine expression. 3 month follow-up data were available for 6 RA patients. 5 had started an anti-TNF and 4 had a good EULAR response, with two of those having a double-hi phenotype. One anti-TNF non-responder had the Th17 phenotype.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,004 | 0,002 |
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 source (Gemma direct ou Codex distillé), 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 ».