Differential levels of IFNα subtypes in autoimmunity and viral infection
Notice bibliographique
Résumé
Type I interferons are essential for host response to viral infections, while dysregulation of their response can result in autoinflammation or autoimmunity. Among IFNα (alpha) responses, 13 subtypes exist that signal through the same receptor, but have been reported to have different effector functions. However, the lack of available tools for discriminating these closely related subtypes, in particular at the protein level, has restricted the study of their differential roles in disease. We developed a digital ELISA with specificity and high sensitivity for the IFNα2 subtype. Application of this assay, in parallel with our previously described pan-IFNα assay, allowed us to study different IFNα protein responses following cellular stimulation and in diverse patient cohorts. We observed different ratios of IFNα protein responses between viral infection and autoimmune patients. This analysis also revealed a small percentage of autoimmune patients with high IFNα2 protein measurements but low pan-IFNα measurements. Correlation with an ISG score and functional activity showed that in this small sub group of patients, IFNα2 protein measurements did not reflect its biological activity. This unusual phenotype was partly explained by the presence of anti-IFNα auto-antibodies in a subset of autoimmune patients. This study reports ultrasensitive assays for the study of IFNα proteins in patient samples and highlights the insights that can be obtained from the use of multiple phenotypic readouts in translational and clinical studies.
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) | 0,001 | 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 ».