Characterization of lymphopenia in patients with MS treated with dimethyl fumarate and fingolimod
Notice bibliographique
Résumé
OBJECTIVE: Lymphopenia is a common occurrence of disease-modifying therapies (DMTs) for relapsing-remitting MS (RRMS). The aim of this study was to dissect the prevalence of various lymphocyte subsets in patients with RRMS treated with 2 DMTs commonly associated with lymphopenia, dimethyl fumarate (DMF), and fingolimod (FTY). METHODS: Multicolor flow cytometry and multiplex assays were used to identify up to 50 lymphocyte subpopulations and to examine the expression of multiple cytokines in selected patients. We compared patients untreated (NT) or treated with FTY or DMF who did (DMF-L) or did not (DMF-N) develop lymphopenia. RESULTS: All FTY patients developed lymphopenia in both T-cell and B-cell compartments. CD41 T cells were more affected by this treatment than CD81 cells. In the B-cell compartment, the CD271IgD2 subpopulation was reduced. T cells but not B cells were significantly reduced in DMF-L. However, within the B cells, CD271 cells were significantly lower. Both CD41 and CD81 subpopulations were reduced in DMF-L. Within the remaining CD41 and CD81 compartments, there was an expansion of the naive subpopulation and a reduction of the effector memory subpopulation. Unactivated lymphocyte from DMF-L patients had significantly higher levels of interferon-γ, interleukin (IL)-12, IL-2, IL-4, IL-6, and IL-1β compared with DMF-N. In plasma, TNFβ was significantly higher in DMF-N and DMF-L compared with NT, whereas CCL17 was significantly higher in DMF-L compared with NT and DMF-N. CONCLUSIONS: This study shows that different treatments can target different lymphocyte compartments and suggests that lymphopenia can induce compensatory mechanisms to maintain immune homeostasis.
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 | 0,000 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».