MétaCan
Menu
Retour à la cohorte
Enregistrement W2899051998 · doi:10.1182/bloodadvances.2018020123

CD16+ monocytes give rise to CD103+RALDH2+TCF4+ dendritic cells with unique transcriptional and immunological features

2018· article· en· W2899051998 sur OpenAlexafffund
Vanessa Sue Wacleche, Amélie Cattin, Jean-Philippe Goulet, Dominique Gauchat, Annie Gosselin, Aurélie Cleret‐Buhot, Yuwei Zhang, Cécile Tremblay, Jean‐Pierre Routy, Petronela Ancuța

Notice bibliographique

RevueBlood Advances · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensMcGill University Health CentreCaprion (Canada)Université de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésCD16BiologyCell biologyDendritic cellMonocyteImmunologyCD3Antigen

Résumé

récupéré en direct d'OpenAlex

Abstract Classical CD16− vs intermediate/nonclassical CD16+ monocytes differ in their homing potential and biological functions, but whether they differentiate into dendritic cells (DCs) with distinct contributions to immunity against bacterial/viral pathogens remains poorly investigated. Here, we employed a systems biology approach to identify clinically relevant differences between CD16+ and CD16− monocyte-derived DCs (MDDCs). Although both CD16+ and CD16− MDDCs acquire classical immature/mature DC markers in vitro, genome-wide transcriptional profiling revealed unique molecular signatures for CD16+ MDDCs, including adhesion molecules (ITGAE/CD103), transcription factors (TCF7L2/TCF4), and enzymes (ALDH1A2/RALDH2), whereas CD16− MDDCs exhibit a CDH1/E-cadherin+ phenotype. Of note, lipopolysaccharides (LPS) upregulated distinct transcripts in CD16+ (eg, CCL8, SIGLEC1, MIR4439, SCIN, interleukin [IL]-7R, PLTP, tumor necrosis factor [TNF]) and CD16− MDDCs (eg, MMP10, MMP1, TGM2, IL-1A, TNFRSF11A, lysosomal-associated membrane protein 1, MMP8). Also, unique sets of HIV-modulated genes were identified in the 2 subsets. Further gene set enrichment analysis identified canonical pathways that pointed to “inflammation” as the major feature of CD16+ MDDCs at immature stage and on LPS/HIV exposure. Finally, functional validations and meta-analysis comparing the transcriptome of monocyte and MDDC subsets revealed that CD16+ vs CD16− monocytes preserved their superior ability to produce TNF-α and CCL22, as well as other sets of transcripts (eg, TCF4), during differentiation into DC. These results provide evidence that monocyte subsets are transcriptionally imprinted/programmed with specific differentiation fates, with intermediate/nonclassical CD16+ monocytes being precursors for pro-inflammatory CD103+RALDH2+TCF4+ DCs that may play key roles in mucosal immunity homeostasis/pathogenesis. Thus, alterations in the CD16+/CD16− monocyte ratios during pathological conditions may dramatically influence the quality of MDDC-mediated immunity.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,232
Écart entre enseignants0,225 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations33
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBlood AdvancesMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207