Long-term Kinetics of Intragraft Gene Signatures in Renal Allograft Tolerance Induced by Transient Mixed Chimerism
Notice bibliographique
Résumé
BACKGROUND: Renal allograft tolerance (TOL) has been successfully induced in nonhuman primates (NHPs) and humans through the induction of transient mixed chimerism. To elucidate the mechanisms of TOL, we compared local immunologic responses in renal allografts with those in T-cell-mediated rejection (TCMR) and chronic antibody-mediated rejection (CAMR) in NHPs. METHODS: Using the NanoString nCounter platform, we retrospectively studied 52 mRNAs in 256 kidney allograft samples taken from NHP kidney recipients of donor BMT. No immunosuppression was given after 1-month post-donor BMT. Recipients who achieved TOL (n = 13) survived for >1840 ± 1724 days with normal kidney function, while recipients with CAMR (n = 13) survived for 899 ± 550 days with compromised graft function, and recipients with TCMR (n = 15) achieved only short-term survival (132 ± 69 days). RESULTS: The most prominent difference between the groups was FOXP3, which was significantly higher in TOL than in CAMR and TCMR, both early (<1 y, P < 0.01) and late (≥1 y, P < 0.05) after transplant. Other mRNAs related to regulatory T cells (Treg), such as IL10, TGFB, and GATA3, were also high in TOL. In contrast, transcripts of inflammatory cytokines were higher in TCMR, while activated endothelium-associated transcripts were higher in CAMR than in TOL. The receiver operating characteristic analyses revealed that intragraft FOXP3 and CAV1 can reliably distinguish TOL from CAMR. CONCLUSIONS: High FOXP3 and other Treg-related mRNAs together with suppressed inflammatory responses and endothelial activation in renal allografts suggest that intragraft enrichment of Treg is a critical mechanism of renal allograft TOL induced by transient mixed chimerism.
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) | 0,000 | 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 | 0,000 | 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 ».