The landscape of myeloid and astrocyte phenotypes in acute multiple sclerosis lesions
Notice bibliographique
Résumé
Activated myeloid cells and astrocytes are the predominant cell types in active multiple sclerosis (MS) lesions. Both cell types can adopt diverse functional states that play critical roles in lesion formation and resolution. In order to identify phenotypic subsets of myeloid cells and astrocytes, we profiled two active MS lesions with thirteen glial activation markers using imaging mass cytometry (IMC), a method for multiplexed labeling of histological sections. In the acutely demyelinating lesion, we found multiple distinct myeloid and astrocyte phenotypes that populated separate lesion zones. In the post-demyelinating lesion, phenotypes were less distinct and more uniformly distributed. In both lesions cell-to-cell interactions were not random, but occurred between specific glial subpopulations and lymphocytes. Finally, we demonstrated that myeloid, but not astrocyte phenotypes were activated along a lesion rim-to-center gradient, and that marker expression in glial cells at the lesion rim was driven more by cell-extrinsic factors than in cells at the center. This proof-of-concept study demonstrates that highly multiplexed tissue imaging, combined with the appropriate computational tools, is a powerful approach to study heterogeneity, spatial distribution and cellular interactions in the context of MS lesions. Identifying glial phenotypes and their interactions at different lesion stages may provide novel therapeutic targets for inhibiting acute demyelination and low-grade, chronic inflammation.
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 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».