Diverse NKT cells regulate early inflammation and neurological outcomes after cardiac arrest and resuscitation
Notice bibliographique
Résumé
Neurological injury drives most deaths and morbidity among patients hospitalized for out-of-hospital cardiac arrest (OHCA). Despite its clinical importance, there are no effective pharmacological therapies targeting post–cardiac arrest (CA) neurological injury. Here, we analyzed circulating immune cells from a large cohort of patients with OHCA, finding that lymphopenia independently associated with poor neurological outcomes. Single-cell RNA sequencing of immune cells showed that T cells with features of both innate T cells and natural killer (NK) cells were increased in patients with favorable neurological outcomes. We more specifically identified an early increase in circulating diverse NKT (dNKT) cells in a separate cohort of patients with OHCA who had good neurological outcomes. These cells harbored a diverse T cell receptor repertoire but were consistently specific for sulfatide antigen. In mice, we found that sulfatide-specific dNKT cells trafficked to the brain after CA and resuscitation. In the brains of mice lacking NKT cells ( Cd1d −/− ), we observed increased inflammatory chemokine and cytokine expression and accumulation of macrophages when compared with wild-type mice. Cd1d −/− mice also had increased neuronal injury, neurological dysfunction, and worse mortality after CA. To therapeutically enhance dNKT cell activity, we treated mice with sulfatide lipid after CA, showing that it improved neurological function. Together, these data show that sulfatide-specific dNKT cells are associated with good neurological outcomes after clinical OHCA and are neuroprotective in mice after CA. Strategies to enhance the number or function of dNKT cells may thus represent a treatment approach for CA.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 ».