Discovering the determinants of diversity in the human NK cell repertoire by mass cytometry (P3018)
Notice bibliographique
Résumé
Abstract NK cells respond to infected and transformed cells using germline-encoded NK receptors (NKRs). Collectively, these NKRs combine to form distinct repertoires that tune the NK cell response. To provide a framework for understanding how perturbations in expression of NKRs influence disease pathogenesis, we defined the phenotypic heterogeneity of NK cells in 22 healthy individuals (ages 21-62; M=10, F=12), including 5 sets of monozygotic twins. Using mass cytometry, surface expression of 38 markers specific for NKRs and lineage markers to identify B cells, T cells and myeloid cells were examined. KIR and HLA class I genotypes were determined by Luminex, and KIR gene content was further assessed using pyrosequencing. NK cell populations, as defined by inhibitory NKRs, were highly concordant between twins (R2 = 0.90) in comparison to unrelated individuals (R2 = 0.66), indicating that the inhibitory repertoire is highly genetically determined. However, when analyzing all twenty-five NKRs, including activating receptors, the concordance in twins (R2=0.34) and in unrelated individuals (R2=0.11) was greatly decreased, indicating significant environmental influence in determining the overall NK cell repertoire. Overall, these analyses reveal tremendous diversity within the NK repertoire that is both genetically and environmentally determined, and offer the ability to examine the functional capacity of NK cells with far greater resolution.
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 | 0,000 |
| 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 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 ».