BCG vaccination impacts the epigenetic landscape of progenitor cells in human bone marrow
Notice bibliographique
Résumé
While the Bacille-Calmette-Guérin (BCG) vaccine is used to prevent tuberculosis, it also offers protection against a diverse range of non-mycobacterial infections. However, the underlying protective mechanisms in humans are not yet fully understood. Here, we surveyed at single-cell resolution the gene expression and chromatin landscape of human bone marrow, aspirated before and 90 days after BCG vaccination or placebo administration. We show that BCG vaccination significantly alters both the gene expression and epigenetic profiles of human hematopoietic stem and progenitor cells (HSPCs). Changes in gene expression occur primarily on the most uncommitted stem cells and are reflective of a persistent myeloid bias. In contrast, BCG-induced changes in chromatin accessibility are most prevalent within differentiated progenitor cells at sites influenced by Kruppel-like factor (KLF)/SP and EGR transcription factors (TFs). These TFs are also activated in the most uncommitted stem cells, indicating that activated TFs, which drive persistent changes in HSC gene expression, likely also drive chromatin dynamics appearing within downstream progenitor cells. This perspective contests the prevailing notion that epigenetic modifications linked to innate immune memory transfer directly from stem cells to their differentiated derivatives. Finally, we show that alterations in gene expression and chromatin accessibility in HSPCs due to BCG vaccination were highly correlated (r>0.8) with the IL-1β secretion capacity of paired PBMCs upon secondary immune challenge. Overall, our findings shed light on BCG vaccination's profound and lasting effects on HSPCs and its influence on innate immune responses.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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 ».