Defining T Cell Subsets in Human Tonsils Using ChipCytometry
Notice bibliographique
Résumé
Abstract ChipCytometry is a multiplex imaging method that can be used to analyze either cell suspensions or tissue sections. Images are acquired by iterative cycles of immunostaining with fluorescently labeled Abs, followed by photobleaching, which allows the accumulation of multiple markers on a single sample. In this study, we explored the feasibility of using ChipCytometry to identify and phenotype cell subsets, including rare cell types, using a combination of tissue sections and single-cell suspensions. Using ChipCytometry of tissue sections, we successfully demonstrated the architecture of human palatine tonsils, including the B and T cell zones, and characterized subcompartments such as the B cell mantle and germinal center zone, as well as intrafollicular PD1-expressing CD4+ T cells. Additionally, we were able to identify the rare tonsillar T cell subsets, mucosal-associated invariant T (MAIT) and γδ-T cells, within tonsil tissue. Using single-cell suspension ChipCytometry, we further dissected human tonsillar T cell subsets via unsupervised clustering analysis as well as supervised traditional manual gating. We were able to show that PD1+CD4+ T cells are comprised of CXCR5+BCL6high follicular Th cells and CXCR5−BCL6mid pre–follicular Th cells. Both supervised and unsupervised analysis approaches identified MAIT cells in single-cell suspensions, confirming a phenotype similar to that of blood-derived MAIT cells. In this study, we demonstrate that ChipCytometry is a viable method for single-cell suspension cytometry and analysis, with the additional benefit of allowing phenotyping in a spatial context using tissue sections.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».