COMPREHENSIVE IMMUNOPROFILING OF PERIPHERY BLOOD IDENTIFIES KEY IMMUNE FEATURES ASSOCIATED WITH DISEASE PROGRESSION AND PATIENT STRATIFICATION OF SLE
Notice bibliographique
Résumé
PV242 / #5 Poster Topic: AS23 - SLE-Diagnosis, Manifestations, & Outcomes Background/Purpose To advance the development of immune biomarkers for diagnosing and treating Systemic Lupus Erythematosus (SLE), we have established a robust evaluation platform that integrates immune repertoire sequencing, T cell subtype profiling, and transcriptional sequencing. Methods This platform facilitates a systematic exploration of the peripheral immune status of SLE patients, such as TCR, BCR, bulk Rnaseq and flow cytometry. Then we compare these immune characteristics with status of SLE patients, which are associated with their clinical conditions (Figure 1). Figure 1. The flowchart of this study. Results Notably, we observed significant clonal expansion, loss of naive T cells, and heightened activation and stress in both CD8+ and CD4+ T cells, suggesting a critical role of T cells in the pathogenesis of SLE. Furthermore, our analysis identified unique features in the immune repertoires of SLE patients compared to healthy donors, such as differential TRV-TRJ usage and the presence of public clones, which could serve as early diagnostic markers for SLE. For B cells, we identified a notable isotype switching and a prevalent usage of IgHV-IgHJ gene segments. This finding highlights the dynamic adaptability of the B cell compartment in response to autoimmune challenges. By integrating several immune indices, we have developed a novel approach to categorize SLE patients into groups based on their adaptive immune activity, which shows a partial correlation with their disease status (Figure 2). Moving forward, we aim to amalgamate all gathered immune profiling data and apply cutting-edge analytical techniques, including machine learning, to discern various immunotypes. Figure 2. The model to categorize SLE patients into groups based on their adaptive immune activity. Conclusions This stratification will enhance our ability to diagnose and tailor treatments for SLE patients to achieve favorable prognosis. Our study not only sheds light on the complexities of the immune system in SLE but also demonstrates the potential of comprehensive immunoprofiling in enhancing patient management in this challenging autoimmune disorder.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 0,001 |
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 ».