Proteogenomic immune signatures delineate the landscape of pediatric acquired demyelinating syndromes
Notice bibliographique
Résumé
Abstract Approximately 20–30% of children presenting with acquired inflammatory demyelinating syndromes (ADS) have multiple sclerosis (MS). Another 30% harbor serum antibodies against myelin oligodendrocyte glycoprotein and are referred to as having MOG-associated disease (MOGAD). While MS and MOGAD can have similar features, differences in response to immune therapies point to distinct underlying immune mechanisms. To assess potentially distinct immune mechanisms underlying MS and MOGAD, we applied proteogenomics to high quality cryopreserved peripheral blood mononuclear cells collected from patients with ADS prior to institution of immune therapy, as well as from healthy controls. CITE-Seq profiling was applied to a total of 92,716 single cells with equal contribution from 24 children (6 healthy donors; 6 with ADS but neither MS or MOGAD; 6 with MOGAD; and 6 with MS, ascertained with long-term follow-up). Analysis revealed a pan-ADS enrichment of atypical (CD11c+) B cells compared to healthy controls. Children with MS were distinguished from children with MOGAD by MS-specific enrichments of checkpoint-molecule (TIGIT and CD137)-expressing CD8 memory T cells, STAT4+ Th1 CD4 memory T cells and CD56dim/CD16+ NK cells. Overall, our study identifies distinct features of circulating cellular immune profiles that may serve to distinguish children with MS and MOGAD, and provides novel insights into early immune mechanisms that may be involved in each of these conditions.
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 | 0,001 | 0,001 |
| 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 ».