INTRACYTOPLASMIC TOLL- LIKE RECEPTORS (TLR) 7, 9 AND MYD88 IN PERIPHERICAL B CELL SUBSETS AS A PREDICTOR OF RENAL RESPONSE IN PATIENTS WITH LUPUS NEPHRITIS
Notice bibliographique
Résumé
PV134 / #630 Poster Topic: AS16 - Lupus Nephritis-Pathogenesis Background/Purpose A gain of-function mutation within TLR7 was identified in a SLE murine model and increased the survival of B lymphocytes, age associated B cells (ABCs), extrafollicular B lymphocytes and autoantibodies production, mediated by MyD88. The aim of this study is to analyze the role of TLR7, 9 and MyD88 expression in diverse B cell subsets as renal response predictors in patients with lupus nephritis. Methods We included SLE patients who fulfilled the ACR/EULAR 2019 classification criteria and active proliferative LN (Class III or IV +/- V). A blood sample was taken at baseline and 6 months after induction treatment. Treatment with anti-CD20 drugs or IVIg were excluded. The outcome was the renal response. We measured the expression of TLR7, 9 and MyD88 in the B cell subsets: ABCs [CD19 pos CD21 neg/lo CD11c hi Tbet pos ], antibody-secreting cells (ASC) [CD19 pos CD27 hi CD38 hi ], classic memory cells (CMC) [CD19 pos CD27 pos IgD pos/neg ], double negative cells (DNC) [CD27 neg IgD neg ], naïve cells (NC), non-classic memory cells (NCMC) [CD27 neg ] and transitional cells (TrC) [CD21 neg/lo ]) from a peripheral blood sample, using a BD LSR Fortessa flow cytometer and FlowJo software. We quantified the absolute numbers and percentage of TLR7, TLR9, and MyD88, alongside determining the mean fluorescence intensity (MFI). Spearman correlation coefficient was used with quantitative variables. Wilcoxon signed-rank test was used to analyze variables before and after treatment. A logistic regression was used to address association between TLRs and MyD88 expression and renal response. Results 66% of 30 patients reached renal response. These, presented a lower expression of TLR7 in NC (MFI, 573 (498-792) vs 759 (544-873), p<0.05) and expansion of TLR9+ NCMC (1.4% (0.7-2.5) vs 0.3% (0.3-0.4), p<0.05) (Table 1). At follow-up, we observed an expansion of TLR9+ B cells (8.1% (2.6-15) vs 0.5% (0.2-0.6), p<0.05); TLR9+ TrC (MFI, 747 (537-767) vs 0 ((0.0-0.0), p<0.05); TLR7+ TrC (23% (11.1-44.5) vs 0 %(0.0-0.2), p<0.05); TLR7+ NC (27.4 %(7.9-63) vs 0.3 %(0.0-0.4); TLR9+ NCMC (MFI, 1128 (1006-1135) vs 0 (0.0-0.0), p<0.05); classical TLR9+ B cells (1.9 (1.1-3.2) vs 0.07 (0.02-0.09), p<0.05), and a decreased TLR9+ ABCs (0.8 % (0.4-24.4) vs 13% (2.4-67), p<0.05) (Table 2, Figure 2). Table 1. Comparison of B cells at baseline in patients who reached renal response and those who did not. Table 2: B cells at the end of follow-up in patients who reached renal response and those who did not. Figure 1: Paired median analysis with time as an aleatory variable, in patients with and without renal response. Conclusions Our data suggest that renal response is associated with enhanced TLR9 expression in the effector humoral compartment, which might be implicated in the mechanisms of renal damage in lupus nephritis.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| 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) | 0,001 | 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 source (Gemma direct ou Codex distillé), 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 ».