Immune cell subsets in young kidney transplant recipients: Mechanistic and clinical perspectives
Notice bibliographique
Résumé
Kidney transplantation provides the best survival advantage for children, adolescents, and young adults with end-stage kidney disease, yet this group paradoxically experiences the poorest long-term graft survival. Immune-mediated rejection is the predominant cause, but the cellular mechanisms that underpin this age-related disparity remain incompletely defined. This review synthesises current evidence on the impact of immune ageing across adaptive and innate compartments, focusing on T cells, B cells, and natural killer (NK) cells. In younger recipients, a large naïve T- and B-cell pool, robust thymic output, and efficient germinal centre activity confer heightened alloimmune reactivity, driving increased risk of acute cellular and antibody-mediated rejection. In contrast, older recipients exhibit features of immunosenescence, including loss of CD28 expression, accumulation of terminally differentiated effector subsets, impaired germinal centre responses, and attenuated NK cytotoxicity, resulting in diminished capacity to mount de novo responses but greater vulnerability to infection. These immune trajectories have direct clinical implications: younger recipients may require intensified, mechanism-targeted immunosuppression, whereas older recipients may be more amenable to minimisation or tolerance protocols. We further highlight emerging evidence for premature immunosenescence in paediatric dialysis populations, the contribution of age-associated B cells and NK subsets, and the role of immunophenotype-guided therapeutic strategies. Current uniform immunosuppression protocols inadequately account for developmental and age-related immune heterogeneity. We argue for an age- and immune phenotype-informed approach to therapy, integrating longitudinal immune profiling, biomarker development, and systems immunology to improve risk stratification, promote tolerance, and ultimately extend allograft survival across all age groups.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».