Antibody signatures against viruses and microbiome reflect past and chronic exposures and associate with aging and inflammation
Notice bibliographique
Résumé
Abstract Prior encounters with pathogens and other molecules can imprint long-lasting effects on our immune system, potentially influencing future physiological outcomes. However, given the wide range of pathogens and commensal microbes to which humans are exposed, their collective impact on the health and aging processes in the general population is still not fully understood. In this study, we aimed to explore relations between exposures, including to pathogens, microbiome and common allergens, and biological aging and inflammation. We capitalized on an extensive repository of the antibody-binding repertoire against 2,815 microbial, viral, and environmental peptides in a deeply-phenotyped population cohort of 1,443 participants. Utilizing antibody-binding as a proxy for past exposures, we investigated their impact on biological aging markers, immune cell composition and systemic inflammation. This identified that immune response against cytomegalovirus (CMV), rhinovirus and specific gut bacterial species influences the telomere length of different immune cell types. Using blood single-cell RNA-seq measurements, we identified a large effect of CMV infection on the transcriptional landscape of specific immune cells, in particular subpopulations of CD8 and CD4 T-cells. Our work provides a broad examination of the role of past and chronic exposures in biological aging and inflammation, highlighting a role for chronic infections (CMV and Epstein-Barr Virus) and common pathogens (rhinoviruses and adenovirus C). Highlights The study provides a broad association of antibody reactivity with biomarkers of aging and inflammation It shows that anti-CMV, rhinovirus and gut antimicrobial antibody reactivity relate to telomere length CMV infection associates to the telomere length of CD45RA+CD57+ cells in a sex-dependent manner CMV influences the transcriptomic landscape of CD8+ T effector memory and cytotoxic CD4+ cell populations Anti-Epstein-Barr-Virus and anti-adenoviral responses are associated with higher circulating IL-18BP concentrations
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 | 0,002 |
| 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 | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».