Differential immunomodulation of T-cells by immunoglobulin replacement therapy in primary and secondary antibody deficiency
Notice bibliographique
Résumé
Patients with primary or secondary antibody deficiency (PAD or SAD) are at increased risk of recurrent infections that can be alleviated by immunoglobulin replacement therapy (IRT). In addition to replenishing antibody levels, IRT has been suggested to modulate immune response in patients with antibody deficiency. Although both commonly treated with IRT, the underlying causes of PAD and SAD vary greatly, suggesting differential modulation of T-cell function that may lead to different responses to IRT. To explore this, peripheral blood mononuclear cells (PBMCs) were sampled from 17 PAD and 14 SAD patients before and 2-10 months after initiation of IRT, and analyzed for changes in T-cell phenotype and function. Proportions of CD4, CD8, Treg, or memory T-cells did not significantly change post-IRT compared to pre-IRT. However, we report distinct modulation in T-cell function between PAD and SAD patients post-IRT. Upon α-CD3/CD28 stimulation, proportion of IFN-γ+ CD4 and CD8 T-cells increased in SAD (p = 0.005) but not PAD patients post-IRT compared to baseline. Interestingly, total T-cell proliferation was reduced post-IRT in both PAD and SAD patients, although the reduction in proliferation was primarily due to reduced CD4 T-cell proliferation in PAD (p = 0.025) in contrast to CD8 T-cells in SAD (p = 0.042). In summary, even though IRT provides patients with passive humoral immunity-mediated protection in PAD and SAD, our findings suggest that IRT immunomodulation of T-cells is different in T-cell subsets depending on underlying immunodeficiency.
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) | 0,002 | 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 ».