Unveiling the proteome-wide autoreactome enables enhanced evaluation of emerging CAR T cell therapies in autoimmunity
Notice bibliographique
Résumé
Given the global surge in autoimmune diseases, it is critical to evaluate emerging therapeutic interventions. Despite numerous new targeted immunomodulatory therapies, comprehensive approaches to apply and evaluate the effects of these treatments longitudinally are lacking. Here, we leveraged advances in programmable-phage immunoprecipitation methodology to explore the modulation, or lack thereof, of autoantibody profiles, proteome-wide, in both health and disease. Using a custom set of over 730,000 human-derived peptides, we demonstrated that each individual, regardless of disease state, possesses a distinct and complex constellation of autoreactive antibodies. For each individual, the set of resulting autoreactivites constituted a unique immunological fingerprint, or "autoreactome," that was remarkably stable over years. Using the autoreactome as a primary output, we evaluated the relative effectiveness of various immunomodulatory therapies in altering autoantibody repertoires. We found that therapies targeting B cell maturation antigen (BCMA) profoundly altered an individual's autoreactome, while anti-CD19 and anti-CD20 therapies had minimal effects. These data both confirm that the autoreactome comprises autoantibodies secreted by plasma cells and strongly suggest that BCMA or other plasma cell-targeting therapies may be highly effective in treating currently refractory autoantibody-mediated 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 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 | 0,000 | 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 | 0,001 | 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 ».