MétaCan
Menu
Retour à la cohorte
Enregistrement W4313359619 · doi:10.4049/jimmunol.200.supp.51.13

Efficient Enrichment of Functional ILC Subsets from Human PBMC by Immunomagnetic Selection

2018· article· en· W4313359619 sur OpenAlexaff
Yanet Valdez, Stephen K. Kyei, Grace F. T. Poon, Andy I. Kokaji, Steven M. Woodside, Allen Eaves, Terry E. Thomas

Notice bibliographique

RevueThe Journal of Immunology · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueIL-33, ST2, and ILC Pathways
Établissements canadiensTerry Fox Research InstituteBC Cancer AgencyStemcell Technologies
Organismes subventionnairesnon disponible
Mots-clésCell sortingBiologyImmunomagnetic separationInterleukin-7 receptorPeripheral blood mononuclear cellImmune systemInnate lymphoid cellImmunologyFlow cytometryInnate immune systemT cellMolecular biologyIn vitroBiochemistry

Résumé

récupéré en direct d'OpenAlex

Abstract Innate lymphoid cells (ILCs) are exceedingly rare but important regulators of homeostatic and disease-associated immune processes. The frequency of ILCs in peripheral blood of healthy humans is ~0.07% of CD45+ leukocytes. ILCs lack specific cell surface markers but can be divided into distinct subsets (ILC1, 2 and 3) based on their differential expression of effector cytokines and master transcription factors. Currently, cell sorting is the most widely used method to isolate ILCs, but it is time consuming, expensive and often results in low purities and recoveries. Pre-enrichment of ILCs would allow for reduced sorting times and improved purities. Accordingly, we have developed a fast immunomagnetic negative selection method to pre-enrich all ILCs subsets from human leukapheresis samples. Briefly, unwanted cells are labelled with antibodies and magnetic particles and placed into an EasySep™ magnet. Unwanted cells are retained in the magnet and the enriched ILC fraction is simply poured off into a new tube. We find that total ILCs (defined as Lineage− CD45+ CD127+) are enriched from a frequency of 0.01 – 0.23% (n=28) to a final frequency of 17 – 86%, an enrichment of 200 – 1500 fold with virtually no loss of ILCs. ILC1 were enriched from 0.01 – 0.2% to 4.5 – 14%. ILC2 were enriched from 0.01 – 0.1% to 5.8 – 51% and ILC3 were enriched from 0.01 – 0.1% to 6 – 16%. This pre-enrichment drastically decreases sort time, allowing sorting over 3.7 × 105 ILCs from 2 × 109 PBMCs in only 12 minutes. Sorted cells maintained their functionality; when stimulated, ILC1s produced IFNγ, ILC2s secreted IL-13 and ILC3s produced IL-22. Our newly developed method of ILC pre-enrichment should aid human ILC research by enabling their rapid isolation when combined with cell sorting

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,010
Tête enseignante GPT0,216
Écart entre enseignants0,206 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of ImmunologyMême sujetIL-33, ST2, and ILC PathwaysTravaux en français237 207