The Importance of Monitoring Antigen-Specific Memory B Cells, and How ImmunoSpot Assays Are Suitable for This Task
Notice bibliographique
Résumé
Determining an individual’s humoral immune reactivity to a pathogen, autoantigen, or environmental agent is traditionally accomplished through the assessment of specific antibody levels in blood. However, in many instances, titers of specific antibodies decline over time and thus do not faithfully reveal prior antigen exposure or establishment of immunological memory. To estimate an individual’s humoral immune competence, it is therefore necessary to assess functional B cell memory. Here, we describe novel B cell ELISPOT and FluoroSpot assays (collectively referred to as ImmunoSpot) that can be rapidly developed and validated to characterize the memory B cell (Bmem) repertoire specific for any desired antigen ex vivo and at single-cell resolution. Moreover, multiplexed variants of the B cell FluoroSpot assay enable high-throughput testing of antigen-specific B cells secreting distinct antibody classes and/or IgG subclasses, with minimal cell material requirements. B cell ImmunoSpot assays also enable measurement of affinity distributions within the antigen-specific Bmem compartment and permit cross-reactivity measurements that can provide insights into Bmem established against future pathogen variants. Collectively, the ImmunoSpot® system presented here is highly reproducible, and can be readily validated for regulated tests. The newly gained ability to monitor the antigen-specific Bmem compartment should catalyze a more comprehensive understanding of humoral immunity in health and disease.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».