Fast and efficient enrichment of functional ILC2 from human whole blood
Notice bibliographique
Résumé
Abstract Group 2 innate lymphoid cells (ILC2) are a functionally distinct subset of recently identified immune cells with important roles in type-2 immunopathologies such as allergies, asthma, helminth infections and other metabolic diseases. Studying these rare cells is challenging due to a lack of specific surface markers, and currently multicolor flow cytometric analysis and cell sorting are the only methods to characterize and isolate ILC2s. However, the scarcity of these cells makes flow cytometry time-consuming, expensive and often results in low purities and recoveries. Thus, better approaches for effective identification and isolation are essential to further understanding of ILC2 biology and function. We have developed a rapid and efficient method for enrichment of human ILC2 from whole blood. In brief, non-ILC2 cells in whole blood were crosslinked to red blood cells already present in the sample using RosetteSep™. The sample was then layered over Lymphoprep in a SepMate™ tube, spun at 1200 x g for 10 minutes (min), and the untouched, desired cells simply poured off. Cells were washed once and were then ready for subsequent analysis. Starting with only 0.01 – 0.07% in whole blood, ILC2 were enriched 350 ± 220 fold to 8.2 ± 6.8% in 35 min (means ± SD, n=17). Subsequent cell sorting from these pre-enriched samples was faster and yielded higher purity ILC2 than sorting from non-enriched controls (n=3, p<0.05 paired t test). Sorted ILC2, both pre-enriched and non-enriched controls, were cultured and stimulated, and secreted similar high levels of IL-13 as assessed by ELISA, indicating that these cells are functional. In summary, ILC2 pre-enrichment improves sorting efficiency, increases ILC2 purity, and maintains ILC2 functionality.
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 | 0,000 | 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 | 0,001 |
| 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) | 0,000 | 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 ».