Canine peripheral blood TCRαβ T cell atlas: Identification of diverse subsets including CD8A+ MAIT-like cells by combined single-cell transcriptome and V(D)J repertoire analysis
Notice bibliographique
Résumé
The dog is valued as a companion animal and increasingly recognized as a model for human disorders. Given the importance of T cells in health and disease, comprehensive knowledge of canine T cells can contribute to our understanding of pathogenesis mechanisms and inform the development of new treatment strategies. However, the diversity of canine T cells is still poorly understood mainly due to the lack of species-reactive antibodies for use in flow cytometry. The aim of this study was to generate a detailed atlas of peripheral blood TCRαβ+ T cells of healthy dogs using single-cell RNA-sequencing (scRNAseq) combined with immune repertoire sequencing. A total of 22 TCRαβ+ T cell clusters were identified, which were classified into three major groups: CD4-dominant (11 clusters), CD8A-dominant (8 clusters), and CD4/CD8A-mixed (3 clusters). Based on differential gene expression, distinct differentiation states (naïve, effector, memory, exhausted) and lineages (e.g. CD4 T helper and regulatory T cells) could be distinguished. Importantly, several T cell populations were identified, which have not been described in dogs before. Of particular note, our data provide first evidence for the existence of canine mucosa-associated invariant T cell (MAIT)-like cells, representing one of three newly identified FCER1G+ innate-like CD8A+ T cell populations in the peripheral blood of healthy dogs. In conclusion, using scRNAseq combined with immune repertoire sequencing we were able to resolve canine TCRαβ+ T cell populations at unprecedented resolution. The peripheral blood TCRαβ+ T cell atlas of healthy dogs generated here represents an important reference data set for future studies and is of relevance for identifying new targets for T cell-specific therapies.
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 | 0,001 | 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) | 0,002 | 0,001 |
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 ».