Immune responses to gut bacteria associated with time to diagnosis and clinical response to T cell–directed therapy for type 1 diabetes prevention
Notice bibliographique
Résumé
Immune-targeted therapies have efficacy for treatment of autoinflammatory diseases. For example, treatment with the T cell-specific anti-CD3 antibody teplizumab delayed disease onset in participants at high risk for type 1 diabetes (T1D) in the TrialNet 10 (TN-10) trial. However, heterogeneity in therapeutic responses in TN-10 and other immunotherapy trials identifies gaps in understanding disease progression and treatment responses. The intestinal microbiome is a potential source of biomarkers associated with future T1D diagnosis and responses to immunotherapy. We previously reported that antibody responses to gut commensal bacteria were associated with T1D diagnosis, suggesting that certain antimicrobial immune responses may help predict disease onset. Here, we investigated anticommensal antibody (ACAb) responses against a panel of taxonomically diverse intestinal bacteria species in sera from TN-10 participants before and after teplizumab or placebo treatment. We identified IgG2 responses to three species that were associated with time to T1D diagnosis and with teplizumab treatment responses that delayed disease onset. These antibody responses link human intestinal bacteria with T1D progression, adding predictive value to known T1D risk factors. ACAb analysis provides a new approach to elucidate heterogeneity in responses to immunotherapy and identify individuals who may benefit from teplizumab, recently approved by the U.S. Food and Drug Administration for delaying T1D onset.
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 | 0,001 | 0,001 |
| 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 | 0,001 |
| 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 ».