I když se nezdá, že by se procento TEX zvyšovalo se závažností onemocnění (doplňkový obrázek 6C), nebo jak stárnou zvířata náchylná k lupus (6), celkový počet infiltrujících T buněk se u těchto modelů a lidských pacientů zvyšuje se závažností onemocnění. Může tedy existovat bod, za kterým může vyčerpáníuž nemoc nekontroluje. Předchozí práce naznačovaly, že u pacientů s periferní krví CD8 plus TEX signaturou byla menší pravděpodobnost vzplanutí ve srovnání s těmi, kteří tento signaturu postrádali (52). Co se však děje na úrovni cílového orgánu, zůstává nevyřešenou otázkou a v budoucí práci bude zajímavé určit, zda podíl vyčerpaných buněk v biopsii může korelovat s výsledky onemocnění.

Podle relevantních studií je cistanche tradiční čínská bylina, která se po staletí používá k léčbě různých nemocí. Bylo vědecky prokázáno, že má protizánětlivé, proti stárnutí a antioxidační vlastnosti. Studie prokázaly, že cistanche je prospěšná pro pacienty trpící onemocněním ledvin. O aktivních složkách cistanche je známo, že snižují zánět, zlepšují funkci ledvin a obnovují poškozené ledvinové buňky. Začlenění cistanche do plánu léčby onemocnění ledvin tak může pacientům nabídnout velké výhody při zvládání jejich stavu. Cistanche pomáhá snižovat proteinurii, snižuje hladinu BUN a kreatininu a snižuje riziko dalšího poškození ledvin. Kromě toho cistanche také pomáhá snižovat hladinu cholesterolu a triglyceridů, což může být nebezpečné pro pacienty trpící onemocněním ledvin.

Klikněte na doplněk Cistanche Tubulosa

【Další informace: david.deng@wecistanche.com / WhatApp:{0}}】

Bude důležité identifikovat mechanismy, kterými je každý z těchto potenciálně škodlivých buněčných typů a událostí inhibován ledvinami, a jak je mohou stávající a nové terapie ovlivnit. Doufáme, že tato práce umožní nám a dalším zaměřit se na tyto různé populace T-buněk konkrétněji, a tím otevřít nové terapeutické cesty.

Metody

Zvířata. Myši C57BL/6 byly zakoupeny od Jackson Laboratory. MRL/lpr myši byly původně získány z Jackson Laboratory a byly chovány v naší laboratoři. Myši Fc R2B–/–.Yaa byly získány od Silvie Bolland (National Institute of Allergy and Infectious Diseases, NIH, Rockville, Maryland, USA) a byly chovány v naší laboratoři. Myši byly staré a proteinurie byla měřena před usmrcením, jak je dokumentováno v doplňkové tabulce 2.

Izolace T buněk z ledvin a sleziny. T buňky byly izolovány, jak bylo popsáno dříve (6). Stručně řečeno, po usmrcení byly odstraněny sleziny a zvířata byla perfundována 40 ml HBSS, dokud nedošlo k úplnému zblednutí jater a ledvin. KIT byly izolovány pomocí Octodissociator (Miltenyi Biotec) v přítomnosti 1600 Kunitzových jednotek/ml kolagenázy D (Roche Diagnostics) a 0,2 mg/ml DNAázy IV (MilliporeSigma) po dobu 30 minut při 37 stupních. Byla provedena lýza RBC a buňky byly filtrovány přes buněčné síto (100 uM nylon; Falcon, Corning). Splenocyty byly izolovány pomocí mechanické disociace mezi 2 matnými skleněnými sklíčky a po lýze RBC filtrovány přes 70 μm mesh filtr.

Buňky byly obarveny, jak bylo popsáno dříve (6) s následujícím panelem: anti-CD8 (Lyt-2/TIB-105, Pac-Blue, vlastní výroba), anti-CD4 (GK{{9 }}.5, v PE, zakoupené od BioLegend) a anti-CD90.2 (Thy1.2/30H12, Al488, vyráběné vlastními silami) pro myši MRL/lpr nebo anti-CD90.2 (Thy1.2/30H12 , Al647, produkovaný in-house) pro Fc R2B–/–. K vyloučení mrtvých buněk byl použit Yaa Ghost BV510 (Tonbo). Pro všechny "in-house" protilátky jsou komerčně dostupné hybridomové klony a protilátky byly purifikovány, jak je popsáno (6).

T buňky byly tříděny pomocí FACSAria (BD Biosciences). Po třídění byly buňky dvakrát promyty 2% BSA v PBS. Poté byla ke každému z vytříděných vzorků přidána činidla anti-CD45 HTO v ředění 1:50. Anti-CD45 TotalSeq-A0096 30-F11 (BioLegend) byl použit pro Main-Seq kohortu a TotalSeq-C0096 30-F11 (BioLegend) byl použit pro obě TCR-Seq kohorty. Po barvení HTO byly buňky dvakrát promyty ve 2% BSA v PBS.

Příprava knihovny a RNA-Seq T buněk. Buňky byly spočítány a vloženy do systému 10x Genomics Chromium podle pokynů výrobce. Byly vytvořeny knihovny genové exprese, TCR a hashtag/funkce čárových kódů protilátek, jejich kvalita byla hodnocena pomocí Agilent TapeStation High Sensitivity D5000 Screentape a jejich množství bylo kvantifikováno pomocí sady KAPA Library Quantification Kit pro platformy Illumina. Pro kohortu Main-Seq byla použita knihovna 3PrimeV2; knihovna čárových kódů funkce byla vytvořena podle protokolu New York Genome Center (56). Pro kohorty TCR-Seq byly knihovny 5PrimeV1 získány od 10x Genomics. U hashtaggingu jsme postupovali podle pokynů výrobce pro „čárový kód funkce“. Knihovny byly spojeny a sekvenovány na NovaSeq (Illumina Biosciences). Soubory FASTQ byly vytvořeny a porovnány s myším referenčním genomem mm10 pomocí Cell Ranger 5.0.0 (10x Genomics), aby se vytvořila matrice počtu gen-buňka a buňka-protilátka.

zpracování dat scRNA-Seq. 10x nezpracovaná data z každého vzorku byla demultiplexována a soubory FASTQ byly generovány pomocí „rychlého“ kanálu Cell Ranger (v5.0.0, 10 x Genomika). "Počet" Cell Ranger byl použit pro srovnání čtení s referenčním genomem mm10 a byly vytvořeny kvantifikační tabulky mRNA transkriptu a HTO unikátního molekulárního identifikátoru (UMI). Nezpracované soubory matice čárového kódu generované z potrubí Cell Ranger byly dále použity pro následnou analýzu pomocí balíčku Seurat (v4.0.0) (12) v R (v3.4.3).

Prvotní kontrola kvality a zpracování. Buňky exprimující méně než 200 genů nebo s více než 10 procenty UMI mapovaných na mitochondriální DNA byly odfiltrovány. Tabulky HTO byly přidány do souboru dat a normalizovány metodou centrovaného logaritmu pomocí funkce "NormalizeData". Normalizovaný počet HTO byl použit k určení, zda každá gelová kulička v emulzi obsahovala jednu buňku pomocí funkce Seurat "MULTIseqDemux" a manuální kontroly buněk, kde byla buňka považována za singlet, pokud exprese jednoho HTO představovala více. než 70 procent celkové exprese HTO v této buňce; jinak byla buňka považována za dublet a odstraněna. Hodnoty genové exprese pro každou buňku byly log2 -normalizovány pomocí funkce „NormalizeData“, kde byla exprese genu normalizována na celkovou expresi všech genů v dané buňce a škálována faktorem 10,{{8 }}. UMI, obsah mitochondrií a skóre obsahu hemoglobulinových genů a ribozomálních genů byly „regresovány“ pomocí funkce Seurat „ScaleData“.

Redukce rozměrů a shlukování. Variabilní geny byly detekovány pomocí metody „mean.var.plot“ ve funkci „FindVariableFeatures“ s výchozí hranicí, která vypočítává průměrnou expresi a disperzi (log[variance/střední]) na gen, následuje seskupení dat do 20 přihrádek. na základě jejich průměrného výrazu. Variabilní geny byly poté vybrány na základě z-skórované disperze v každé přihrádce. Tyto variabilní geny byly použity pro redukci rozměrů na základě analýzy hlavních složek (PCA) pomocí funkce "RunPCA". "ElbowPlot" byl použit k posouzení prvních 50 hlavních komponent a hlavní komponenty, které představovaly největší variabilitu v datech, byly vybrány pro další rozměrovou redukci UMAP a analýzu shluků.

K identifikaci odlišných skupin buněk bylo provedeno shlukování bez dozoru pomocí funkce "FindClusters", která vypočítává k-nejbližších sousedů podle variabilní genové exprese ve všech buňkách, čímž se zkonstruuje sdílený graf nejbližšího souseda pomocí algoritmu Louvain. Abychom se vyhnuli nadměrnému shlukování, testovali jsme různé parametry rozlišení ("res") v rozsahu od 0.1 do 2 v krocích po 0.1 a postup shlukování byl hodnocen a vizualizován pomocí "Cluster (v 0.4.3) (57). Optimální rozlišení bylo stanoveno na základě pokračující separace před "nadměrným shlukováním", jak bylo pozorováno rostoucím křížením mezi shluky. Shlukování s nízkým rozlišením bylo poté definováno jako analýza všech buněk v celé kohortě, zatímco shlukování s vysokým rozlišením bylo definováno jako shlukování na předem vybrané subpopulaci, tj. CD4 plus, CD8 plus nebo Treg buňkách dříve definovaných v našem nízkém rozlišení. analýza. Na základě těchto pozorování jsme zvolili rozlišení 0.9, 1.4, {{20}}.6, respektive 0.9 pro Main-Seq, CD4 plus, CD4 plus Treg sub a CD8 plus z kohorty 1 a rozlišení 0,7 pro sloučenou kohortu CD8 plus T buňky. Shluky buněk byly vizualizovány pomocí grafů redukce rozměrů UMAP.

Funkce "FindAllMarkers" s výchozím nastavením byla použita k nalezení DEG v každém shluku ve srovnání se všemi ostatními shluky pomocí Wilcoxonova testu pořadí s geny detekovanými minimálně v 10 procentech buněk, minimálně 0,25 průměrné log násobné změny a minimálně 0,01 Bonferroniho upravené hodnoty P.

Analýza harmonie. Pro kombinovaný UMAP na obrázku 8 byly 3 nezávisle spuštěné kohorty sloučeny pomocí Harmony (58) s výchozím nastavením parametrů.

Hodnocení buněčného cyklu. Funkce "CellCycleScoring" v Seurat byla použita k výpočtu skóre exprese markerů fáze G1, G2/M a S v každé buňce za použití dříve popsané skórovací strategie (59). Počet buněk, u kterých bylo zjištěno, že jsou ve fázi G1, G2/M nebo S, byl vypočten na základě shluků a odchylka od celkové distribuce byla hodnocena analýzou x2.

GSEA a výrazové mapování. Hodnoty P pro GSEA byly stanoveny pomocí Wilcoxonova testu pro publikované signatury genové sady, jak je definováno v Doplňkové tabulce 1. Pomocí „ggplot2“ v Seurat byly hodnoty –log10 P vyneseny do grafu UMAP.

Další analytika. Sloupcové grafy, bodové grafy a PCA grafy byly zkonstruovány pomocí ggplot2 v R. Teplotní mapy byly generovány pomocí funkce „heatmap“ v R.

Analýza dat TCR. Data TCR byla zpracována pomocí cell ranger vdj s referencí {{0}} refdata-cellranger-vdj-GRCm38-alts-ensembl-3.1.0 za účelem sestavení TCR a řetězců a určení klonotypů . Buňky s 1 produktivním TCR ( a ) byly uchovány pro další analýzu, zatímco neproduktivní řetězce TCR byly vyloučeny. Klonální T buňky byly definovány jako buňky exprimující sdílené TCR- a - receptory s identickými CDR3 sekvencemi na nukleotidové úrovni.

Analýza pseudočasové trajektorie. Analýza trajektorie s použitím počtů genů zpracovaných Seuratem byla provedena pomocí Monocle 3 (verze 0.1.3) pro modelování diferenciace CD4 plus T buněk. Ke snížení dimenzionality byla použita metoda vkládání reverzního grafu DDRTree, buňky byly uspořádány podél trajektorie pomocí funkce "orderCells" a trajektorie byla vizualizována v redukovaném dimenzionálním prostoru.

Pro modelování diferenciace CD8 plus T buněk jsme použili Slingshot s "start. clubs" nastaveným jako B6/naive cluster. Buňky byly uspořádány podle pseudočasu Slingshot a seskupeny jako shluky Seurat, aby promítly trajektorii shluku. Výsledek trajektorie Slingshot byl vynesen na CD8 plus buňce Seurat UMAP.

Analýza regulační sítě TF. Pracovní postup SCENIC v.1.1.2 byl použit v R k identifikaci regulonů pomocí Seuratem zpracovaného počtu a shluků podle předchozí studie (60). Teplotní mapy pak byly vytvořeny, jak je popsáno výše.

Histologické hodnocení. Histologická příprava ledvin a hodnocení byly provedeny tak, jak bylo definováno dříve (61).

Dostupnost dat a materiálů. Všechny analýzy a vizualizace byly provedeny v R. Konkrétní metodika a analýza pomocí publikovaných programů Seurat jsou podrobně popsány v části Metody. Data, metadata a výstupy analýzy, jako je identifikace klastrů, jsou uloženy v Gene Expression Omnibus (GSE197339) Národního centra pro biotechnologické informace.

Statistika. Statistiky byly vypočteny v R, jak je uvedeno v částech specifických pro analýzu nebo GraphPad Prism pomocí 1-způsobu ANOVA s Tukeyho testem pro vícenásobná srovnání, 2-způsobu ANOVA s opakovanými měřeními nebo χ2 analýzy, jak je definováno v legendách obrázků, s hodnotami P reprezentovanými jako *P < 0.05, **P < 0.{{10}}1, ***P < 0,001, ****P < 0,0001. P < 0,05 bylo považováno za statisticky významné.

Schválení studie. Všechny práce byly schváleny institucionálním výborem pro péči o zvířata a použití na University of Pittsburgh nebo Yale University.

Autorské příspěvky

Studii koncipovaly JST a MJS. SS, MC, JST a MJS vyvinuly metodiku. Byly vyšetřovány JST a SS. JST a SS vizualizovaná data. JST a MJS získaly finanční prostředky. Administraci projektu zajišťovala JST a MJS. Dozor zajišťovala JST a MJS. JST a MJS napsali původní návrh. JST, MJS, SS a MC návrh zkontrolovali a upravili.

Poděkování

Rádi bychom poděkovali Minjung Kim za její neúnavné úsilí v laboratoři, díky kterému mohla být tato práce dokončena, a ocenili bychom kritický pohled na projekt od Kevina Nickersona, Rachael Gordon a Peter Lipsky a kritické hodnocení této práce od Fadi Lakkise a Warrena. Šlomčik. Dále bychom rádi poděkovali University of Pittsburgh Single Cell Core a konkrétně Tracy Tabibovi, který pomohl s dokončením přípravy knihovny a technologie 10x Genomics.

Financování poskytla Lupus Research Alliance, Novel Research Grant (pro JST); Grant NIH/Národního institutu artritidy a muskuloskeletálních a kožních nemocí K08AR075056 (pro JST); a NIH/Národní institut pro alergie a infekční nemoci grant R01 AI137132 (pro MJS).

Korespondenci na adresu:Jeremy S. Tilstra, 3500 Terrace Street, BST S705A, Pittsburgh, Pennsylvania 15261, USA. Telefon: 412.383.8861; Nebo na Marka J. Shlomchika, W1052 Biomedical Science Tower, 200 Lothrop Street, Pittsburgh, Pennsylvania 15261, USA. Telefon: 412.648.8771.

1. Hope HC, Salmond RJ. Zacílení na nádorové mikroprostředí a metabolismus T buněk pro účinnou imunoterapii rakoviny. Eur J Immunol. 2019;49(8):1147–1152.

2. Jiang Y, a kol. Vyčerpání T-buněk v mikroprostředí nádoru. Cell Death Dis. 2015;6:e1792.

3. Scharping NE, et al. Mitochondriální stres vyvolaný kontinuální stimulací při hypoxii rychle řídí vyčerpání T-buněk. Nat Immunol. 2021;22(2):205–215.

4. Clark MR, et al. Patogeneze a terapeutické důsledky tubulointersticiálního zánětu u lidské lupusové nefritidy. Semin Nephrol. 2015;35(5):455–464.

5. Hsieh C, a kol. Předpovídání výsledků lupusové nefritidy s tubulointersticiálním zánětem a jizvami. Arthritis Care Res (Hoboken). 2011;63(6):865–874.

6. Tilstra JS, et al. Ledviny infiltrující T buňky u myší lupusové nefritidy jsou metabolicky a funkčně vyčerpané. J Clin Invest. 2018;128(11):4884–4897.

7. Schmitz JE a kol. Kontrola virémie u infekce virem opičí imunodeficience pomocí CD8 plus lymfocytů. Věda. 1999;283(5403):857–860.

8. Paley MA a kol. Progenitorové a terminální podskupiny CD8 plus T buněk spolupracují na potlačení chronické virové infekce. Věda. 2012;338(6111):1220–1225.

9. Lanata CM, a kol. Fenotypový a genomický přístup v multietnické kohortě k subtypu systémového lupus erythematodes. Nat Commun. 2019;10(1):3902.

10. Peterson KS, a kol. Charakterizace heterogenity v molekulární patogenezi lupusové nefritidy z transkripčních profilů laserem zachycených glomerulů. J Clin Invest. 2004;113(12):1722–1733.

11. Arazi A, et al. Krajina imunitních buněk v ledvinách pacientů s lupusovou nefritidou. Nat Immunol. 2019;20(7):902–914.

12. Butler A, a kol. Integrace jednobuněčných transkriptomických dat napříč různými podmínkami, technologiemi a druhy. Nat Biotechnol. 2018;36(5):411–420.

13. Hashimoto K, a kol. Jednobuněčná transkriptomika odhaluje expanzi cytotoxických CD4 T buněk u superstoletých. Proč Natl Acad Sci US A. 2019;116(48):24242–24251.

14. Singer M, a kol. Odlišný genový modul pro dysfunkci nespojený s aktivací v T buňkách infiltrujících nádor. Buňka. 2016;166(6):1500–1511.

15. Stubbington MJ, et al. Atlas myších transkriptomů CD4(plus) T buněk. Biol Direct. 2015;10:14.

16. Tibbitt CA, et al. Sekvenování jednobuněčné RNA odpovědi T pomocných buněk na roztoče domácího prachu definuje zřetelný podpis genové exprese v Th2 buňkách dýchacích cest. Imunita. 2019;51(1):169–184.

17. Mackay LK, a kol. Vývojová dráha pro CD103(plus)CD8 plus tkáňové rezidentní paměťové T buňky kůže. Nat Immunol. 2013;14(12):1294–1301.

18. Chen PM, a kol. Hypoxie ledvinové tkáně diktuje poškození zprostředkované T buňkami u myší lupusové nefritidy. Sci Transl Med. 2020;12(538):eaay1620.

19. Aubert N, a kol. Charakterizace molekulárního metapodpisu regulačních T buněk identifikuje pro-enkefalinový gen jako nový marker u myší [předtisk]. Publikováno na bioRxiv 6. března 2020.

20. MUDr. Martin, Badovinac VP. Definování paměťové CD8 T buňky. Front Immunol. 2018;9:2692.

21. Willinger T, a kol. Molekulární podpisy odlišují lidskou centrální paměť od podskupin CD8 T buněk efektorové paměti. J Immunol. 2005;175(9):5895–5903.

22. Ahrends T, a kol. CD4 plus T lymfocyty pomáhají vytvářet paměťové CD8 plus T lymfocyty s vrozenými a na pomoci nezávislými paměťovými kapacitami. Nat Commun. 2019;10(1):5531.

23. Yusuf I, et al. Produkce IL-4 pomocných folikulárních buněk T v zárodečném centru je závislá na signálním receptoru lymfocytární aktivační molekuly (CD150). J Immunol. 2010;185(1):190–202.

24. Luzina IG, a kol. Spontánní tvorba germinálních center u autoimunitních myší. J Leukoc Biol. 2001;70(4):578–584.

25. Blaszczyk K, a kol. Jedinečná role STAT2 v konstitutivní a IFN-indukované transkripci a antivirových odpovědích. Cytokine Growth Factor Rev. 2016;29:71–81.

26. Swarnalekha N, a kol. T rezidentní pomocné buňky podporují humorální reakce v plicích. Sci Immunol. 2021;6(55):eabb6808.

27. Hayward SL, a kol. Environmentální podněty regulují epigenetické přeprogramování paměti CD8 plus T buněk rezidentních v dýchacích cestách. Nat Immunol. 2020;21(3):309–320.

28. Sacher AG, a kol. Cytotoxické CD4 plus T buňky u rakoviny močového měchýře – nová licence k zabíjení. Cancer Cell. 2020;38(1):28–30.

29. Maehara T, a kol. Cytotoxické CD4 plus T lymfocyty mohou indukovat apoptózu endoteliálních buněk u systémové sklerózy. J Clin Invest. 2020;130(5):2451–2464.

30. Miragaia RJ, et al. Jednobuněčná transkriptomika regulačních T buněk odhaluje trajektorie adaptace tkání. Imunita. 2019;50(2):493–504.

31. Doering TA, et al. Síťová analýza odhaluje centrálně propojené geny a dráhy zapojené do vyčerpání CD8 plus T buněk versus paměť. Imunita. 2012;37(6):1130–1144.

32. Li J, a kol. Vysoká hladina domovů podporuje vyčerpání protinádorových CD8 plus T buněk. Front Immunol. 2018;9:2981.

33. Seo H, a kol. Transkripční faktory TOX a TOX2 spolupracují s transkripčními faktory NR4A, aby vyvolaly vyčerpání CD8 plus T buněk. Proč Natl Acad Sci USA A. 2019;116(25):12410–12415.

34. Li H, a kol. Dysfunkční CD8 T buňky tvoří proliferativní, dynamicky regulovaný kompartment v lidském melanomu. Buňka. 2020;181(3):747.

35. Celhar T, Fairhurst AM. Modelování klinického systémového lupus erythematodes: podobnosti, rozdíly a úspěchy. Revmatologie (Oxford). 2017;56(suppl 1):i88–i99.

36. Massengill SF, a kol. SLE nefritida je spojena s oligoklonální expanzí intrarenálních T buněk. Am J Kidney Dis. 1998;31(3):418–426.

37. Winchester R, a kol. Imunologické charakteristiky intrarenálních T buněk: přenos expandovaných klonotypů řetězce CD8 plus T buněk u progresivní lupusové nefritidy. Arthritis Rheum. 2012;64(5):1589–1600.

38. Murata H, a kol. Repertoár receptorů T buněk T buněk v ledvinách pacientů s lupusovou nefritidou. Arthritis Rheum. 2002;46(8):2141–2147.

39. Yost KE a kol. Klonální náhrada nádorově specifických T buněk po blokádě PD-1. Nat Med. 2019;25(8):1251–1259.

40. Collier JL, et al. Ne úplně opačné konce spektra: CD8 plus dysfunkce T buněk napříč chronickou infekcí, rakovinou a autoimunitou. Nat Immunol. 2021;22(7):809–819.

41. Chang A, et al. Buněčné aspekty patogeneze lupusové nefritidy. Curr Opin Rheumatol. 2021;33(2):197–204.

42. Kiner E, a kol. Fenotypy střevních CD4 plus T buněk jsou kontinuum formované mikroby, nikoli TH archetypy. Nat Immunol. 2021;22(2):216–228.

43. Peine M, et al. Stabilní hybridní buňky T-bet( plus )GATA-3( plus ) Th1/Th2 vznikají in vivo, mohou se vyvíjet přímo z naivních prekurzorů a omezují imunopatologický zánět. PLoS Biol. 2013;11(8):e1001633.

44. Huang S. Hybridní T-pomocné buňky: stabilizace středního středu v polarizovaném systému. PLoS Biol. 2013;11(8):e1001632.

45. Scharping NE, et al. Nádorové mikroprostředí potlačuje mitochondriální biogenezi T-buněk a řídí intratumorální metabolickou insuficienci a dysfunkci T-buněk. Imunita. 2016;45(3):701–703.

46. ​​Scharping NE, et al. Mitochondriální stres vyvolaný kontinuální stimulací při hypoxii rychle řídí vyčerpání T-buněk. Nat Immunol. 2021;22(2):205–215.

47. Acharya N, et al. Endogenní glukokortikoidní signalizace reguluje diferenciaci CD8 plus T buněk a rozvoj dysfunkce v mikroprostředí nádoru. Imunita. 2020;53(3):658–671.

48. Mohan C, a kol. Genetická disekce patogeneze lupusu: recept na nekrofilní autoprotilátky. J Clin Invest. 1999;103(12):1685–1695.

49. Hedrich CM, a kol. Modulátor prvku odezvy cAMP řídí expresi IL2 a IL17A během nasazení linie CD4 a distribuci podskupiny u lupusu. Proč Natl Acad Sci USA A. 2012;109(41):16606–16611.

50. ElTanbouly MA, et al. VISTA je regulátor kontrolního bodu pro klidový stav naivních T buněk a periferní toleranci. Věda. 2020;367(6475):eaay0524.

51. Zarour HM. Zvrácení dysfunkce a vyčerpání T-buněk u rakoviny. Clin Cancer Res. 2016;22(8):1856–1864.

52. McKinney EF, a kol. Vyčerpání T-buněk, kostimulace a klinický výsledek u autoimunity a infekce. Příroda. 2015;523(7562):612–616.

53. Maxwell R, a kol. Kontrastní vliv kortikosteroidů na účinnost anti-PD-1 imunoterapie u histologických nádorů lokalizovaných v centrálním nervovém systému nebo mimo něj. Onkoimunologie. 2018;7(12):e1500108.

54. Flint TR, et al. Nádorem indukovaný IL-6 přeprogramuje metabolismus hostitele tak, aby potlačoval protinádorovou imunitu. Cell Metab. 2016;24(5):672–684.

55. Hanoteau A, a kol. Léčba cyklofosfamidem reguluje rovnováhu funkčních/vyčerpaných nádorově specifických CD8 plus T buněk. Onkoimunologie. 2017;6(8):e1318234.

56. Stoeckius M, et al. Hašování buněk s protilátkami s čárovým kódem umožňuje multiplexování a dvojitou detekci pro jednobuněčnou genomiku. Genome Biol. 2018;19(1):224.

57. Zappia L, Oshlack A. Clustering trees: vizualizace pro vyhodnocení shlukování ve více rozlišeních. Gigascience. 2018;7(7):giy083.

58. Korsunsky I, et al. Rychlá, citlivá a přesná integrace dat jedné buňky s Harmony. Metody Nat. 2019;16(12):1289–1296.

59. Tirosh I, et al. Rozebírání mnohobuněčného ekosystému metastatického melanomu jednobuněčnou RNA-seq. Věda. 2016;352(6282):189–196.

60. Aibar S, a kol. SCENIC: jednobuněčná regulační síťová inference a shlukování. Metody Nat. 2017;14(11):1083–1086.

61. Tilstra JS, et al. Exprese TLR9 vlastní B lymfocyty je u myšího lupusu ochranná. J Clin Invest. 2020;130(6):3172–3187.

【Další informace: david.deng@wecistanche.com / WhatApp:{0}}】