Caractérisation immunogénétique des cellules dendritiques non-conventionelles dans un contexte auto-immun
Bibliographic record
Abstract
Les cellules dendritiques (DC) agissent en tant que joueur clé dans l’interaction entre l’immunité innée et adaptative via leur fonction de cellule présentatrice d’antigène professionnelle. Ces dernières, qui se divisent en plusieurs sous-populations aux fonctions distinctes, sont impliquées dans des contextes inflammatoires ou tolérogènes. On observe d’ailleurs des corrélations entre le nombre de certaines de ces populations in vivo et la susceptibilité génétique à certaines maladies, comme le diabète auto-immun. Cependant, il reste difficile d’établir si ces corrélations sont en fait causales, puisque l’on ignore l’identité des facteurs responsables de la régulation spécifique du nombre des sous-types de DC, limitant notre capacité à moduler ces phénotypes indépendamment. Nous avons donc voulu identifier les déterminants génétiques impliqués dans la régulation spécifique du nombre de sous-populations de DC via des analyses de liaison génétique, pour ensuite vérifier si la susceptibilité au diabète auto-immun varie suite à des modulations du nombre de sous-types de DC. Nous avons démontré qu’une augmentation de pDC chez la souris NOD, prédisposée au diabète auto-immun, est régulée par un locus dominant sur le chromosome 7 proximal, mais n’influence pas l’incidence du diabète dans des études de souris congéniques. En contraste, une augmentation d’un nouveau sous-type de DC, dénommé mcDC, est régulée par un intervalle distal du chromosome 2. Cet intervalle, nommé Idd13, est d’ailleurs également associé à la susceptibilité génétique au diabète auto-immun, suggérant un rôle central du nombre de mcDC dans la maladie, possiblement via leur capacité à renverser l’anergie de lymphocytes T. Ces résultats démontrent que les sous-types de DC sont régulés par des déterminants distincts. Malgré les corrélations entre le nombre de pDC/mcDC et la susceptibilité au diabète auto-immun, nos résultats démontrent également une contribution divergente des sous-types de DC à la maladie. Nous investiguerons davantage les intervalles génétiques, afin d’identifier les gènes candidats impliqués dans la régulation du pDC et du mcDC.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.003 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".