Development and evaluation of two whole-blood flow cytometry protocols for monitoring patients treated with JAK inhibitors
Notice bibliographique
Résumé
Abstract Introduction The clinical efficacy of Janus kinase inhibitors (JAKinibs) is highly variable and their safety profiles are poorly understood. Methods We established two flow cytometry panels for the assessment of two promising leukocyte biomarkers: signal transducer and activator of transcription (STAT) phosphorylation and cytokine receptor expression. We evaluated the first panel, which assesses phosphorylation levels for STAT1, STAT3, and STAT5 after cytokine stimulation, with or without in vitro pretreatment with JAKinibs, in 10 healthy donors. We then evaluated the second panel, which assesses cytokine receptor expression on T cells and B cells, in five healthy donors. Results Stimulation with interleukin (IL)-2 or IL-7 increased STAT5 phosphorylation in T cells but not in B cells or monocytes. IL-6 stimulation induced STAT3 phosphorylation in monocytes and CD4 T cells and, to a lesser extent, in CD8 T cells, but not in B cells. IL-21 stimulation led to STAT3 phosphorylation in T cells and, to a lesser extent, in B cells, but not in monocytes. Interferon-α stimulation increased STAT1 phosphorylation in all cell types. STAT phosphorylation levels were lower after pretreatment with JAKinibs. A dose–response curve was plotted, confirming the correlation between JAKinib concentration and STAT phosphorylation inhibition. The second panel showed that each cell type displayed a distinct pattern of cytokine receptors expression, and that this pattern might be modified by in vitro treatment with JAKinibs. Conclusion This preliminary study confirms the utility of flow cytometry for monitoring the biological effects of JAKinibs. Further studies on treated patients are now required to evaluate the clinical value of these two flow cytometry panels.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 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 ».