High‐throughput compound screen reveals mTOR inhibitors as potential therapeutics to reduce (auto)antibody production by human plasma cells
Notice bibliographique
Résumé
Antibody production by the B cell compartment is a crucial part of the adaptive immune response. Dysregulated antibody production in the form of autoantibodies can cause autoimmune disease. To date, B-cell depletion with anti-CD20 antibodies is commonly applied in autoimmunity, but pre-existing plasma cells are not eliminated in this way. Alternative ways of more selective inhibition of antibody production would add to the treatment of these autoimmune diseases. To explore novel therapeutic targets in signaling pathways essential for plasmablast formation and/or immunoglobulin production, we performed a compound screen of almost 200 protein kinase inhibitors in a robust B-cell differentiation culture system. This study yielded 35 small cell-permeable compounds with a reproducible inhibitory effect on B-cell activation and plasmablast formation, among which was the clinically applied mammalian target of rapamycin (mTOR) inhibitor rapamycin. Two additional compounds targeting the phosphoinositide 3-kinase-AKT-mTOR pathway (BKM120 and WYE-354) did not affect proliferation and plasmablast formation, but specifically reduced the immunoglobulin production. With this compound screen we successfully applied a method to investigate therapeutic targets for B-cell differentiation and identified compounds in the phosphoinositide 3-kinase-AKT-mTOR pathway that could specifically inhibit immunoglobulin production only. These drugs may well be explored to be of value in current B-cell-depleting treatment regimens in autoimmune disorders.
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 | 0,001 | 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 | 0,001 | 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 ».