Blood-Based T-Cell Diagnosis of Celiac Disease
Notice bibliographique
Résumé
Background & Aims Current diagnosis of celiac disease (CeD) is inaccurate in patients following a gluten-free diet (GFD). Blood-based diagnostics targeting gluten-specific T cells, like tetramer assays, are highly sensitive and specific but are impractical for clinical use. We evaluated the potential of a simple whole blood assay measuring interleukin-2 release (WBAIL-2) for detecting gluten-specific T cells to aid in CeD diagnosis. Methods WBAIL-2 was assessed in 181 adults; 88 with CeD (75 on GFD, 13 consuming gluten) and 93 controls (32 on GFD with non-celiac gluten sensitivity, 61 healthy). In vitro IL-2 release in whole blood after gluten peptide stimulation was measured. The assay's performance was compared to tetramer-based methods, and serum IL-2 levels were monitored before and after a single-dose gluten challenge. Correlations between IL-2 levels, tetramer+ T-cell frequencies, and symptoms were examined. Results The WBAIL-2 assay demonstrates high accuracy for CeD diagnosis, even in patients following a strict GFD. Optimized dual cut-offs in HLA-DQ2.5+ patients showed high sensitivity (90%) and specificity (95%), with lower sensitivity (56%) in HLA-DQ8+ CeD. WBAIL-2 correlated strongly with the frequency of tetramer+ gluten-specific CD4+ T cells and serum IL-2 levels after gluten challenge. Elevated WBAIL-2 levels predicted gluten-induced symptom severity, such as vomiting. The assay required only small blood volumes and performed comparably to tetramer-based methods. Conclusions Gluten-stimulated IL-2 secretion indicates the presence of pathogenic gluten-specific CD4+ T cells and is a useful diagnostic for CeD. WBAIL-2 and serum IL-2 after gluten could be complementary and allow biopsy-free CeD diagnosis. WBAIL-2 may help diagnose and monitor other CD4+ T cell-driven diseases.
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 ».