Expansion of cytotoxic tissue-resident CD8+ T cells and CCR6+CD161+ CD4+ T cells in the nasal mucosa following mRNA COVID-19 vaccination
Notice bibliographique
Résumé
Abstract Vaccines against SARS-CoV-2 have shown high efficacy in clinical trials, yet a full immunologic characterization of these vaccines, particularly within the human upper respiratory tract, is less well known. Here, we enumerate and phenotype T cells in nasal mucosa and blood using flow cytometry before and after vaccination with the Pfizer-BioNTech COVID-19 vaccine ( n = 21). Tissue-resident memory (Trm) CD8 + T cells expressing CD69 + CD103 + increase in number ~12 days following the first and second doses, by 0.31 and 0.43 log 10 cells per swab respectively ( p = 0.058 and p = 0.009 in adjusted linear mixed models). CD69 + CD103 + CD8 + T cells in the blood decrease post-vaccination. Similar increases in nasal CD8 + CD69 + CD103 − T cells are observed, particularly following the second dose. CD4 + cells co-expressing CCR6 and CD161 are also increased in abundance following both doses. Stimulation of nasal CD8 + T cells with SARS-CoV-2 spike peptides elevates expression of CD107a at 2- and 6-months ( p = 0.0096) post second vaccine dose, with a subset of donors also expressing increased cytokines. These data suggest that nasal T cells may be induced and contribute to the protective immunity afforded by this vaccine.
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 | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».