Dynamic Micropatterning Reveals Spatial Dynamics of B Cell Receptor Signaling and Immune Synapse Formation
Notice bibliographique
Résumé
B cell activation by foreign antigens, recognized by the B cell receptor (BCR), is the key prerequisite for cell differentiation for antibody production. B cells typically encounter antigens bound to the surface of antigen presenting cells (APCs), leading to the formation of the immunological synapse (IS). To gain a deeper understanding of lymphocyte activation, we developed a dynamic micropatterning technique that enables the modeling of IS formation with exceptional spatial and temporal control. Using this method, we can image B cells before and after BCR engagement, in both fixed and live samples. We compared the activation of different BCR proximal signaling proteins in activatory and non-activatory areas of the synapse and found that the activated signaling proteins exhibited distinct spatial distributions. While pCD79A was strongly localized in the antigen-tethered area, surprisingly, pPLCγ2 was enriched in regions lacking BCR ligands. We also visualized the formation of the IS in living cells using enhanced-resolution microscopy in 3D. We identified different cell behaviors during this process, including the repurposing of pre-existing actin-based protrusions as ready-made building blocks for the IS — a feature uniquely detectable with this highly controllable system. Extending our approach to include a co-stimulatory B cell ligand, ICAM-1, and T cell system using CD3 and CD28 antibodies as ligands, we demonstrate the broader applicability of this method. Overall, our results highlight the power of dynamic micropatterning in elucidating the rapid and dynamic earliest steps of the IS formation with high spatial and temporal precision.
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 | 0,000 | 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 | 0,001 |
| 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 ».