Single-Cell Transcriptomic Profile of Innate Cell Populations in Mesenteric Lymph Nodes of Inflammatory Bowel Disease Patients
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Innate immune cells, including dendritic cells (DCs), monocytes (Mono), macrophages (Mac), natural killer (NK), and innate lymphoid cells (ILC), contribute to chronic inflammation in lymphoid tissues. Here, we characterized the innate immune cell landscape in inflamed mesenteric lymph nodes (MLNs) of patients with inflammatory bowel diseases (IBD) at the single-cell level. METHODS: Surgically resected colonic MLNs were obtained from patients with Crohn's disease (CD; n = 3), ulcerative colitis (UC; n = 3), non-inflamed UC (n = 1), and non-IBD (n = 2). CD45+CD3-CD19- non-T/non-B cells were FACS-sorted to capture rare innate immune cells. Cellular Indexing of Transcriptomes and Epitopes by Sequencing (CITE-seq) was performed on the BD Rhapsody platform alongside multiparameter flow cytometry staining. RESULTS: CITE-seq analysis unveiled the molecular signature of 11 Mono/Mac/DC (MMDC) and 7 NK/ILC enriched clusters in human MLNs. DC clusters included 3 newly characterized DC clusters such as CD1c/CD163/VCAN/CD64-expressing DC3; AXL-expressing DCs; and a CD103+ DC subset, expressing LTB, S100B, and IL22RA2 (encoding IL22BP). Mono/Mac clusters comprised inflammatory monocytes, which accumulated in IBD compared to non-IBD MLNs. Among NK/ILC clusters, we identified a cytotoxic ILC subset (IL7R, KLRD1, GNLY), previously not reported in MLNs, reminiscent of cytotoxic ILC1-like cells found in inflamed gut mucosa. CONCLUSION: CITE-seq and flow-cytometry analyses of colonic MLNs from patients with active IBD reveal the molecular signature and cell distribution of previously uncharacterized DC and ILC subpopulations in human MLNs. These findings expand our understanding of immune responses during chronic inflammation in IBD.
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 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 ».