Single-cell profiling of healthy human kidney reveals features of sex-based transcriptional programs and tissue-specific immunity
Notice bibliographique
Résumé
Abstract Maintaining organ homeostasis requires complex functional synergy between distinct cell types, a snapshot of which is glimpsed through the simultaneously broad and granular analysis provided by single-cell atlases. Knowledge of the transcriptional programs underpinning the complex and specialized functions of human kidney cell populations at homeostasis is limited by difficulty accessing healthy, fresh tissue. Here, we present a single-cell perspective of healthy human kidney from 19 living donors, with equal contribution from males and females, profiling the transcriptome of 27677 high-quality cells to map healthy kidney at high resolution. Our sex-balanced dataset revealed sex-based differences in gene expression within proximal tubular cells, specifically, increased anti-oxidant metallothionein genes in females and the predominance of aerobic metabolism-related genes in males. Functional differences in metabolism were confirmed between male and female proximal tubular cells, with male cells exhibiting higher oxidative phosphorylation and higher levels of energy precursor metabolites. Within the immune niche, we identified kidney-specific lymphocyte populations with unique transcriptional profiles indicative of kidney-adapted functions and validated findings by flow cytometry. We observed significant heterogeneity in resident myeloid populations and identified an MRC1 + LYVE1 + FOLR2 + C1QC + population as the predominant myeloid population in healthy kidney. This study provides a detailed cellular map of healthy human kidney, revealing novel insights into the complexity of renal parenchymal cells and kidney-resident immune populations.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,001 |
| 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 ».