MétaCan
Menu
← Retour à la cohorte
Enregistrement W4401158735 · doi:10.1101/2024.07.26.605020

Mapping the peripheral immune landscape of Parkinson’s disease patients with single-cell sequencing

2024· preprint· en· W4401158735 sur OpenAlexaff
Gaël Moquin‐Beaudry, Lovatiana Andriamboavonjy, Sébastien Audet, Laura K. Hamilton, Antoine Duquette, Sylvain Chouinard, Michel Panisset, Martine Tétreault

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2024
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueNeuroinflammation and Neurodegeneration Mechanisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésImmune systemCD14BiologyImmunologyTranscriptomeMyeloidDiseaseMass cytometryPhenotypeMedicineGeneGeneticsGene expressionPathology

Résumé

récupéré en direct d'OpenAlex

Abstract Parkinson’s Disease (PD) is most recognized for its impact on the central nervous system. However, recent breakthroughs underscore the crucial role of interactions between central and peripheral systems in PD’s pathogenesis. The spotlight is now shifting as we explore beyond the central nervous system, discovering that peripheral changes such as inflammatory dysfunctions may predict the rate of disease progression and severity. Despite more than 200 years of research on PD, reliable diagnostic or progression biomarkers and effective disease-modifying treatments are still lacking. Additionally, the cellular mechanisms that drive changes in immunity are largely unknown. Thus, understanding peripheral immune signatures could lead to earlier diagnosis and more effective treatments for PD. Here, we sought to define the transcriptomic alterations of the complete peripheral immune cell compartment by single-cell RNA- and T-cell receptor-sequencing with hopes of uncovering PD signatures and potential peripheral blood biomarkers. Following transcriptional profiling of 78 876 cells from 10 healthy controls and 14 PD donors, we observed five major classes of immune cell types; myeloid (monocytes, dendritic cells) and lymphoid (T, B, natural killer) cells from which we identified 38 cellular subtypes following bioinformatic re-clustering. Comparing immune cell subtypes and phenotypes between PD patients and healthy controls revealed notable features of PD: 1) a significant shift of classical CD14 + monocytes towards an activated CD14 + /CD83 + state, 2) changes in lymphocyte subtype abundance, including a significant decrease in CD4 + naive and mucosal-associated invariant T-cells subtypes, along with an increase in CD56 + natural killer cells, 3) the identification by T-cell receptor sequencing of several PD specific T-cell clones shared between multiple patients, suggesting the implication of common epitopes in PD pathogenesis, 4) a notable increase in the expression of activation signature genes, including the AP-1 stress-response transcription factor complex, across all PD cell types. This signal was not present in atypical parkinsonism patients with multiple systems atrophy or progressive supranuclear palsy. Overall, we present a comprehensive atlas of peripheral blood mononuclear cells from control and PD patients which should serve as a tool to improve our understanding of the role the immune cell landscape plays in PD pathogenesis.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,023
Tête enseignante GPT0,196
Écart entre enseignants0,173 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeObservationnel
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetNeuroinflammation and Neurodegeneration Mechanisms→Travaux en français237 207→