Peripheral HLA-DR <sup>hi</sup> CD141 <sup>+</sup> Classical Monocytes Predict Relapse Risk and Worsening in Multiple Sclerosis
Notice bibliographique
Résumé
BACKGROUND AND OBJECTIVES: Multiple sclerosis (MS) is an immune-mediated demyelinating disease of the CNS characterized by a heterogeneous disease trajectory, highlighting the need for biomarkers to predict disease activity. Current disease-monitoring tools primarily reflect existing disease damage rather than impending activity. Peripheral blood mononuclear cells (PBMCs) are an ideal source of potential biomarkers due to their accessibility and their known role in MS pathology. Among PBMCs, myeloid cells are key players in MS pathogenic processes, yet they have not been as extensively studied than lymphocytes. The objective of our study was to identify indicators of MS disease activity through immune profiling. METHODS: We analyzed PBMCs using high-dimensional flow cytometry with a panel focusing on myeloid cells. We performed unsupervised clustering analyses to define a comprehensive immune landscape at a single-cell resolution. Supervised machine learning methods were used to extract immune features indicative of MS activity. RESULTS: CMs provided a stronger prognostic value for impending relapse risk, suggesting different kinetics related to the underlying pathology. DISCUSSION: CMs could serve as a valuable predictor of disease activity complementary to current clinical tools to guide evidence-based treatment decisions.
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 | 0,001 | 0,008 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,002 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,004 |
| 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 ».