Deconstruction of immune-mediated skin diseases defines six inflammatory subtypes
Notice bibliographique
Résumé
BACKGROUND: Most chronic skin diseases are classified as immune-mediated disorders, and targeted treatments, such as those blocking the cytokines IL-17, IL-23, IL-4/13, and the JAK-STAT pathway, have revolutionized therapy. However, a substantial proportion of patients fail to achieve remission and remain refractory to these therapies. METHODS: We meta-analyzed heterogeneous cell clusters in different immune-mediated skin diseases to understand the cell states and molecular pathways contributing to pathogenic heterogeneity. RESULTS: Therefore, we re-analyzed single-cell RNA-sequencing of 166 skin tissues, including 605 030 cells, to build a single-cell atlas of immune-mediated skin diseases. The results were validated using an independent patient cohort and in vitro fibroblast experiments. Samples were categorized into six groups, termed inflammatory phenotypes (IPs), each characterized by distinct variations in inflammatory pathways. These IPs offered new insights into inflammatory abnormalities and shared characteristics across different skin conditions. Disease-relevant cell states, cytokines, and genes were systematically mapped to individual IPs. Furthermore, cell-type abundance, cytokine infiltration, and metabolic heterogeneity were found to modulate shifts among Th1, Th2 and Th17/Th22 pathways. IPs were dynamic in individuals and could predict treatment response. Among our cohort, patients with unfavorable therapeutic outcomes exhibited distinct inflammatory patterns, characterized by elevated Th2 in psoriasis and elevated Th17/Th22 in atopic dermatitis. CONCLUSION: This comprehensive atlas and molecular-based stratification of immune-mediated skin diseases provide new insights into the 'pan-inflammation' features of cell states, which could help guide the development of targeted therapies.
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 ».