Single-cell atlas of human pediatric liver reveals age-related hepatic gene signatures
Notice bibliographique
Résumé
BACKGROUND: The liver plays a critical role in metabolism and immune function, yet the contributions of its heterogeneous cell types to these processes remain unclear. While most liver studies focus on adults, pediatric liver diseases often present differently, underscoring the need for age-specific research. METHODS: To better understand cellular drivers of childhood liver diseases, we generated single-cell RNA-sequencing maps of the normal pediatric liver and used this map to examine disease-related populations in biopsies from pediatric patients with intestinal failure-associated liver disease (IFALD). RESULTS: The normal pediatric liver map consists of 42,660 cells from 9 donors under 17 years of age. Compared with normal adult liver (26,372 cells; 7 donors, age 26-69), pediatric livers exhibited differences in myeloid populations. Specifically, pediatric Kupffer-like cells (MARCO+C1QA+VSIG4+) exhibited higher expression of immune activation genes, including CCL4, CCL3, and IL1B. In vitro stimulation confirmed more IL-1β-secreting myeloid cells in pediatric versus adult livers, supporting these findings. Using the pediatric atlas as a reference, we analyzed 3 IFALD biopsies (11,969 cells; 3 donors, under 9 y of age) and identified increased expression of fibrosis-associated genes (eg, LY96) in Kupffer-like cells. In addition, mesenchymal cells in IFALD showed fibrotic gene modules resembling adult liver cells more than healthy pediatric cells. These signatures, undetectable when comparing IFALD to adult liver alone, highlight the value of a pediatric map. CONCLUSION: Taken together, our healthy pediatric liver atlas reveals distinct age-related signatures and provides a background against which to interpret pediatric liver disease data.
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 | 0,001 | 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 ».