Single-cell RNA sequencing of circulating immune cells supports inhibition of TNFAIP3 and NFKBIA translation as psoriatic arthritis biomarkers
Notice bibliographique
Résumé
Objective To identify biomarkers that distinguish psoriatic arthritis (PsA) from cutaneous psoriasis without arthritis (PsC) and healthy controls (HC) using single cell RNA sequencing (scRNA-seq). Method Peripheral blood mononuclear cell samples from three patients with PsA fulfilling CASPAR criteria, three patients with PsC and two HC were profiled using scRNA-seq. Differentially expressed genes (DEGs) identified through scRNA-seq were validated on classical monocytes, and CD4 + and CD8 + T cell subsets derived from an independent cohort of patients using the NanoString nCounter ® platform. Protein expression was measured in CD4 + and CD8 + T cells by immunoblotting. Results A total of 18 immune cell population clusters were identified. Across 18 cell clusters, we identified 234 DEGs. NFKBIA and TNFAIP3 were overexpressed in PsA vs HC and PsC patients. Immunoblotting of the proteins encoded in these genes (IκBα and A20, respectively) showed higher levels in PsA CD4 + T cells compared to HC. Conversely, lower levels were observed in PsA CD8 + T cell lysates compared to HC for both proteins. Conclusion These results suggest that translation of TNFAIP3 and NFKBIA may be inhibited in PsA CD8 + T cells. This study provides insight into the cellular heterogeneity of PsA, showing that non-cell type specific expression of genes associated with the disease can be dysregulated through different mechanisms in distinct cell types.
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 | 0,001 | 0,000 |
| 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 | 0,001 | 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 ».