MétaCan
Menu
Retour à la cohorte
Enregistrement W4311825762 · doi:10.1002/glia.24314

Integrating transcriptomic datasets across neurological disease identifies unique myeloid subpopulations driving disease‐specific signatures

2022· review· en· W4311825762 sur OpenAlexaff
Claire L. Wishart, Alanna G. Spiteri, Giuseppe Locatelli, Nicholas J. C. King

Notice bibliographique

RevueGlia · 2022
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesSchweizerische Multiple Sklerose GesellschaftNational Health and Medical Research CouncilEuropean CommissionMultiple Sclerosis SocietyAustralian GovernmentMedical Research CouncilAssociazione Italiana Sclerosi Multipla
Mots-clésMicrogliaBiologyNeurodegenerationImmune systemMyeloidDiseaseTranscriptomeImmunologyInnate immune systemInflammationNeuroscienceCell typeMonocyteComputational biologyCellMedicineGeneGene expressionGeneticsPathology

Résumé

récupéré en direct d'OpenAlex

Microglia and bone marrow-derived monocytes are key elements of central nervous system (CNS) inflammation, both capable of enhancing and dampening immune-mediated pathology. However, the study-specific focus on individual cell types, disease models or experimental approaches has limited our ability to infer common and disease-specific responses. This meta-analysis integrates bulk and single-cell transcriptomic datasets of microglia and monocytes from disease models of autoimmunity, neurodegeneration, sterile injury, and infection to build a comprehensive resource connecting myeloid responses across CNS disease. We demonstrate that the bulk microglial and monocyte program is highly contingent on the disease environment, challenging the notion of a universal microglial disease signature. Integration of six single-cell RNA-sequencing datasets revealed that these disease-specific signatures are likely driven by differing proportions of unique myeloid subpopulations that were individually expanded in different disease settings. These subsets were functionally-defined as neurodegeneration-associated, inflammatory, interferon-responsive, phagocytic, antigen-presenting, and lipopolysaccharide-responsive cellular states, revealing a core set of myeloid responses at the single-cell level that are conserved across CNS pathology. Showcasing the predictive and practical value of this resource, we performed differential expression analysis on microglia and monocytes across disease and identified Cd81 as a new neuroinflammatory-stable gene that accurately identified microglia and distinguished them from monocyte-derived cells across all experimental models at both the bulk and single-cell level. Together, this resource dissects the influence of disease environment on shared immune response programmes to build a unified perspective of myeloid behavior across CNS pathology.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,928
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,346
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGliaMême sujetNeuroinflammation and Neurodegeneration MechanismsTravaux en français237 207