Flow cytometric analysis of innate lymphoid cells: challenges and solutions
Notice bibliographique
Résumé
Introduction The three groups of helper innate lymphoid cells (ILCs), namely ILC1, ILC2 and ILC3, have been identified by flow cytometry by combinations of cell surface markers. Here, we review various ways ILCs are currently identified, focusing on potential problems and their solutions. The first step to identify all ILCs is to exclude other lymphocytes and myeloid cells by their lineage-specific markers (Lin). However, the Lin cocktail varies in various studies, and the definition of Lin- population containing ILCs is often ambiguous, resulting in contamination of Lin + cells, particularly T cells. Method We have designed combinations of cell surface markers to identify ILC populations in various tissues of B6 mice by flow cytometry. To minimize T cell contamination, TCR/CD3ϵ antibodies were used separately from the Lin cocktail. ILCs identified by surface markers are confirmed by the expression of the transcription factors GATA3, RORγt, T-bet and Eomes. Result ILC1s in the B6 mouse liver are identified by Lin-NKp46 + NK1.1 + TCR/CD3ϵ − CD49a + CD49b − . However, defining ILC1s in other tissues remains a challenge. ILC2s in the lung are identified by Lin − TCR/CD3ϵ − Thy1 + CD127 + ST2 + whereas ILC2s in the small intestine and liver are identified by Lin − TCR/CD3ϵ − Thy1 + GATA3 + RORγt − . ILC3s in B6 mouse spleen, liver, lung and small intestine are identified by Lin − TCR/CD3ϵ − Thy1 + CD127 + RORγt + . Discussion The ILC population is heterogeneous and the strategies to identify ILCs have to be designed for each ILC population and tissue. Excluding T cells in all cases is crucial, and a combination of transcription factors GATA3, RORγt, T-bet, and Eomes should be used to identify ILCs. Using CD3ϵ/TCRs in a different fluorochrome not in Lin cocktail minimizes contamination of T cells specifically identify individual ILC populations in various tissues.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 0,001 |
| Bibliométrie | 0,008 | 0,005 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,001 |
| 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 ».