Proteomic analysis reveals dysregulation of peripheral blood neutrophils in patients with Multiple Sclerosis
Notice bibliographique
Résumé
Multiple Sclerosis (MS) is a complex auto-inflammatory disease affecting the brain and spinal cord, which results in axonal de-myelination and symptoms including fatigue, pain, and difficulties with vision and mobility. The involvement of the immune system in the pathology of MS is well established, particularly the adaptive T cell response, and there has been a particular focus on the IL-17-producing subset of Th17 cells and their role in driving disease. However, the importance of innate immune cells has not been so well characterized. Here we focussed on neutrophils, which are innate immune cells and rapid responders to inflammation, and which have recently been linked to other chronic autoimmune conditions. Multiple strands of evidence in patients with MS and in mice with the experimental autoimmune encephalomyelitis MS model suggest neutrophils may play a role in driving MS inflammation. Here, we performed proteomic analysis on neutrophils from patients with MS and healthy donors, revealing striking differences. In particular, granule proteins were significantly more abundant in the MS neutrophils compared to the healthy controls, with a particular overabundance of proteins in primary and secondary granules. In addition, members of the MAVS signalling pathway were differently regulated compared to healthy donor cells. Finally, we find that MS neutrophils do not suppress T cell activation equivalently to healthy neutrophils, and in particular are unable to suppress expression of CD161 on the T cells, indicative of a suppression of Th17 differentiation. We propose that neutrophil dysregulation in MS may contribute to dysfunctional T cell 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 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 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 ».