The canine T cell receptor repertoire
Notice bibliographique
Résumé
BACKGROUND: Tseek is a method of sequencing T cell receptor (TCR) repertoires with minimal bias. This work aimed to develop methods to characterize the TCR repertoire in dogs, identify influences such as genetic lineage and age, and evaluate the use of repertoires to monitor immune status in dogs. METHODS: Two studies were conducted to develop the techniques and characterize the effect of individual, breed, and age. One study analyzed RNA data from individuals (n = 32), 8 from each of 4 breeds, sampled at 2 time points a year apart. The second, lifestage study, used individuals within a single breed (Labrador Retriever) with ages dispersed across a broad range (0.2 to 12 yr, n = 50). Tseek was used to process samples for sequencing, to identify the V, and J segments to annotate the CDR3, which were then analyzed to draw inferences. RESULTS: The TCR repertoires had signatures of breeds, and of the individual, with stability over at least a year. Across the lifestage study, littermate-specific characteristics were not detected, but an age-related effect was observed: older dogs exhibited reduced diversity characterized by a greater abundance of individual-specific high-frequency clones, while puppies had a more diverse repertoire. CONCLUSION: An individual's TCR repertoire includes stable information, indicative of the individual, breed, and age-related decline. The α and β chain repertoires had distinct properties in the breed-specific signatures, indicating differential influences on their selection, despite their pairing in each T cell. Consistent, age-related changes can be seen in the repertoire, but their impact on immune system needs to be delineated.
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 | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,003 |
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 ».