Autoantibodies against type I IFNs in humans with alternative NF-κB pathway deficiency
Notice bibliographique
Résumé
Abstract Patients with autoimmune polyendocrinopathy syndrome type 1 (APS-1) caused by autosomal recessive AIRE deficiency produce autoantibodies that neutralize type I interferons (IFNs) 1,2 , conferring a predisposition to life-threatening COVID-19 pneumonia 3 . Here we report that patients with autosomal recessive NIK or RELB deficiency, or a specific type of autosomal-dominant NF-κB2 deficiency, also have neutralizing autoantibodies against type I IFNs and are at higher risk of getting life-threatening COVID-19 pneumonia. In patients with autosomal-dominant NF-κB2 deficiency, these autoantibodies are found only in individuals who are heterozygous for variants associated with both transcription (p52 activity) loss of function (LOF) due to impaired p100 processing to generate p52, and regulatory (IκBδ activity) gain of function (GOF) due to the accumulation of unprocessed p100, therefore increasing the inhibitory activity of IκBδ (hereafter, p52 LOF /IκBδ GOF ). By contrast, neutralizing autoantibodies against type I IFNs are not found in individuals who are heterozygous for NFKB2 variants causing haploinsufficiency of p100 and p52 (hereafter, p52 LOF /IκBδ LOF ) or gain-of-function of p52 (hereafter, p52 GOF /IκBδ LOF ). In contrast to patients with APS-1, patients with disorders of NIK, RELB or NF-κB2 have very few tissue-specific autoantibodies. However, their thymuses have an abnormal structure, with few AIRE-expressing medullary thymic epithelial cells. Human inborn errors of the alternative NF-κB pathway impair the development of AIRE-expressing medullary thymic epithelial cells, thereby underlying the production of autoantibodies against type I IFNs and predisposition to viral diseases.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,002 |
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 ».