Хотя не похоже, что процент TEX увеличивается с тяжестью заболевания (дополнительная фигура 6C) или с возрастом склонных к волчанке животных (6), общее количество инфильтрирующих Т-клеток действительно увеличивается с тяжестью заболевания в этих моделях и у людей. пациенты. Таким образом, может быть точка, за которой истощение можетбольше не контролируют болезнь. Предыдущая работа показала, что у пациентов с CD8 плюс TEX в периферической крови вероятность обострения была меньше, чем у пациентов без этой характеристики (52). Однако то, что происходит на уровне органа-мишени, остается нерешенным вопросом, и в будущей работе будет интересно определить, может ли доля истощенных клеток в биопсии коррелировать с исходами заболевания.

Согласно соответствующим исследованиям, цистанхе — это традиционная китайская трава, которая веками использовалась для лечения различных заболеваний. Научно доказано, что он обладает противовоспалительными, омолаживающими и антиоксидантными свойствами. Исследования показали, что цистанхе полезен для пациентов, страдающих заболеваниями почек. Известно, что активные ингредиенты цистанхе уменьшают воспаление, улучшают функцию почек и восстанавливают поврежденные клетки почек. Таким образом, включение цистанхе в план лечения заболеваний почек может принести большую пользу пациентам в управлении их состоянием. Цистанхе помогает уменьшить протеинурию, снижает уровень азота мочевины и креатинина и снижает риск дальнейшего повреждения почек. Кроме того, цистанхе также помогает снизить уровень холестерина и триглицеридов, которые могут быть опасны для пациентов, страдающих заболеваниями почек.

Нажмите на добавку Cistanche Tubulosa.

【Для получения дополнительной информации: david.deng@wecistanche.com / WhatApp:86 13632399501】

Будет важно определить механизмы, с помощью которых каждый из этих потенциально повреждающих типов клеток и событий ингибируется почками, и как существующие и новые методы лечения могут повлиять на них. Есть надежда, что эта работа позволит нам и другим более конкретно нацеливаться на эти различные популяции Т-клеток, тем самым открывая новые терапевтические возможности.

Методы

Животные. Мыши C57BL/6 были приобретены в лаборатории Джексона. Мыши MRL/lpr были первоначально получены из лаборатории Джексона и содержались в нашей лаборатории. Мыши Fc R2B–/–.Yaa были получены от Сильвии Болланд (Национальный институт аллергии и инфекционных заболеваний, NIH, Роквилл, Мэриленд, США) и содержались в нашей лаборатории. Мышей состаривали, и перед умерщвлением измеряли протеинурию, как указано в дополнительной таблице 2.

Выделение Т-клеток из почек и селезенки. Т-клетки выделяли, как описано ранее (6). Вкратце, после умерщвления удаляли селезенки и животных перфузировали 40 мл HBSS до тех пор, пока не происходило полное побледнение печени и почек. KIT выделяли с использованием октодиссоциатора (Miltenyi Biotec) в присутствии 1600 единиц Кунитца/мл коллагеназы D (Roche Diagnostics) и 0,2 мг/мл ДНКазы IV (MilliporeSigma) в течение 30 минут при 37°С. Выполняли лизис эритроцитов и клетки фильтровали через клеточный фильтр (100 мкМ нейлон; Falcon, Corning). Спленоциты выделяли с помощью механической диссоциации между двумя предметными стеклами из матового стекла и фильтровали через сетчатый фильтр с размером ячеек 70 мкм после лизиса эритроцитов.

Клетки окрашивали, как описано ранее (6), со следующей панелью: анти-CD8 (Lyt-2/TIB-105, Pac-Blue, собственного производства), анти-CD4 (GK{{9 }}.5, в полиэтилене, закуплены у BioLegend), и анти-CD90.2 (Thy1.2/30H12, Al488, собственного производства) для мышей MRL/lpr или анти-CD90.2 (Thy1.2/30H12 , Al647, собственного производства) для Fc R2B–/–. Yaa Ghost BV510 (Tonbo) использовали для исключения мертвых клеток. Для всех «внутренних» антител клоны гибридом коммерчески доступны, и антитела очищали, как описано (6).

Т-клетки сортировали с использованием FACSAria (BD Biosciences). После сортировки клетки дважды промывали 2% раствором БСА в PBS. Затем к каждому из отсортированных образцов добавляли реагенты анти-CD45 HTO в разведении 1:50. Анти-CD45 TotalSeq-A0096 30-F11 (BioLegend) использовали для когорты Main-Seq, а TotalSeq-C0096 30-F11 (BioLegend) использовали для обеих когорт TCR-Seq. После окрашивания HTO клетки дважды промывали 2% BSA в PBS.

Подготовка библиотеки и РНК-Seq Т-клеток. Клетки подсчитывали и загружали в систему 10x Genomics Chromium в соответствии с инструкциями производителя. Были созданы библиотеки экспрессии генов, TCR и хэштегов/характерных штрих-кодов антител, их качество было оценено с помощью ленты экрана Agilent TapeStation High Sensitivity D5000, а их количество было определено количественно с помощью набора KAPA Library Quantification Kit для платформ Illumina. Для когорты Main-Seq использовалась библиотека 3PrimeV2; библиотека функциональных штрих-кодов была создана в соответствии с протоколом New York Genome Center (56). Для когорт TCR-Seq библиотеки 5PrimeV1 были получены от 10x Genomics. Для хэштегов мы следовали инструкциям производителя по «штрих-коду функции». Библиотеки объединяли и секвенировали на NovaSeq (Illumina Biosciences). Файлы FASTQ были сгенерированы и сопоставлены с эталонным геномом мыши mm10 с помощью Cell Ranger 5.0.0 (10x Genomics) для получения матрицы подсчета генов-клеток и клеток-антител.

обработка данных scRNA-Seq. Необработанные данные 10x из каждого образца были демультиплексированы, и файлы FASTQ были сгенерированы с использованием "быстрого" конвейера Cell Ranger (v5.0.0, 10. х Геномика). «Подсчет» Cell Ranger использовали для сопоставления прочтений с эталонным геномом mm10, а также транскрипт мРНК и таблицы количественного определения уникального молекулярного идентификатора (UMI) HTO. Необработанные файлы матрицы штрих-кодов, сгенерированные конвейером Cell Ranger, в дальнейшем использовались для последующего анализа с использованием пакета Seurat (v4.0.0) (12) в R (v3.4.3).

Начальный контроль качества и обработка. Клетки, экспрессирующие менее 200 генов или содержащие более 10% UMI, картированных в митохондриальной ДНК, были отфильтрованы. Таблицы HTO были добавлены к набору данных и нормализованы методом центрированного логарифмического соотношения с использованием функции «NormalizeData». Нормализованное количество HTO использовали для определения того, содержит ли каждая гелевая гранула в эмульсии одну клетку, используя функцию Seurat «MULTIseqDemux» и ручную проверку клеток, где клетка считалась синглетной, если экспрессия одного HTO составляла более более 70 процентов от общей экспрессии HTO в этой клетке; в противном случае ячейку считали дублетом и удаляли. Значения экспрессии генов для каждой клетки были логарифмически2 -нормализованы с использованием функции «NormalizeData», где экспрессия гена была нормализована к общей экспрессии всех генов в этой клетке и масштабирована с коэффициентом 10,{{8 }}. Показатели UMI, содержания митохондрий и содержания генов гемоглобулина и рибосомных генов были «регрессированы» с использованием функции Seurat «ScaleData».

Снижение размерности и кластеризация. Вариабельные гены были обнаружены с использованием метода «mean.var.plot» в функции «FindVariableFeatures» с отсечкой по умолчанию, которая вычисляет среднюю экспрессию и дисперсию (log[дисперсия/среднее]) для каждого гена с последующей группировкой данных в 20 ячеек. на основе их среднего выражения. Затем были выбраны вариабельные гены на основе z-оценочной дисперсии в каждом интервале. Эти вариабельные гены использовали для уменьшения размерности на основе анализа основных компонентов (PCA) с использованием функции «RunPCA». «ElbowPlot» использовался для оценки первых 50 основных компонентов, а основные компоненты, которые объясняли наибольшую изменчивость данных, были выбраны для дальнейшего уменьшения размеров UMAP и анализа кластеризации.

Чтобы идентифицировать отдельные группы клеток, была выполнена неконтролируемая кластеризация с использованием функции «FindClusters», которая вычисляет k-ближайших соседей в соответствии с переменной экспрессией генов во всех ячейках, тем самым строя общий граф ближайших соседей с использованием алгоритма Лувена. Чтобы избежать чрезмерной кластеризации, мы протестировали различные параметры разрешения («res») в диапазоне от 0,1 до 2 с шагом 0,1, а процесс кластеризации оценивали и визуализировали с помощью «Кластеризации». " (т 0.4.3) (57). Оптимальное разрешение было определено на основе продолжающегося разделения до «сверхкластеризации», что наблюдалось по увеличению пересечения между кластерами. Затем кластеризация с низким разрешением была определена как анализ всех клеток во всей когорте, в то время как кластеризация с высоким разрешением была определена как кластеризация на предварительно выбранной субпопуляции, т. е. CD4 плюс, CD8 плюс или клетки Treg, ранее определенные в нашем исследовании с низким разрешением. анализ. На основании этих наблюдений мы выбрали разрешения 0.9, 1.4, {{2{{0}}}.6 и 0.9 соответственно для Main-Seq, CD4 plus, CD4 плюс Treg sub и CD8 плюс из когорты 1 и разрешение 0,7 для объединенной когорты CD8 плюс Т-клетки. Кластеры клеток визуализировали с использованием графиков уменьшения размеров UMAP.

Функция «FindAllMarkers» с настройками по умолчанию использовалась для поиска DEG в каждом кластере по сравнению со всеми другими кластерами с использованием критерия суммы рангов Уилкоксона с генами, обнаруженными минимум в 10 процентах клеток, минимум среднего значения логарифмической кратности 0,25 и минимум 0,01 значения P с поправкой Бонферрони.

Гармонический анализ. Для комбинированного UMAP на рисунке 8 3 независимо запущенные когорты были объединены с использованием Harmony (58) с настройками параметров по умолчанию.

Оценка клеточного цикла. Функция «CellCycleScoring» в Seurat использовалась для расчета оценки экспрессии маркеров G1, G2/M и фазы S в каждой клетке с использованием стратегии оценки, описанной ранее (59). Количество клеток, находящихся в фазе G1, G2/M или S, рассчитывали для каждого кластера, а отклонение от общего распределения оценивали с помощью анализа χ2.

GSEA и сопоставление выражений. Значения P для GSEA были определены с использованием теста Уилкоксона для опубликованных сигнатур наборов генов, как определено в дополнительной таблице 1. Используя «ggplot2» в Seurat, значения P –log10 были нанесены на UMAP.

Дополнительная аналитика. Гистограммы, точечные диаграммы и графики PCA были построены с использованием ggplot2 в R. Тепловые карты были сгенерированы с использованием функции «тепловая карта» в R.

Анализ данных ТКР. Данные TCR были обработаны с использованием клеточного рейнджера vdj со ссылкой {{0}} refdata-cellranger-vdj-GRCm38-alts-ensembl-3.1.0 для сборки TCR и цепей и определения клонотипов. . Клетки с 1 продуктивным TCR ( и ) оставляли для дальнейшего анализа, а непродуктивные цепи TCR исключали. Клональные Т-клетки определяли как клетки, экспрессирующие общие TCR- и -рецепторы с идентичными последовательностями CDR3 на уровне нуклеотидов.

Анализ псевдовременной траектории. Анализ траектории с использованием числа генов, обработанных Seurat, был выполнен с использованием Monocle 3 (версия 0.1.3) для моделирования дифференцировки CD4 плюс Т-клеток. Для уменьшения размерности применялся метод обратного встраивания графа DDRTree, ячейки упорядочивались вдоль траектории с помощью функции «orderCells», а траектория визуализировалась в пространстве уменьшенной размерности.

Чтобы смоделировать дифференцировку CD8 плюс Т-клеток, мы использовали Slingshot с набором «start. clubs» как B6/наивный кластер. Ячейки были упорядочены по псевдовремени Slingshot и сгруппированы как кластеры Сера, чтобы проецировать траекторию кластера. Результат линии траектории Slingshot был нанесен на CD8 плюс клетки Seurat UMAP.

Анализ регуляторной сети ФТ. Рабочий процесс SCENIC v.1.1.2 использовался в R для идентификации регулонов с использованием числа и кластеров, обработанных Seurat, в соответствии с предыдущим исследованием (60). Затем были созданы тепловые карты, как описано выше.

Гистологическая оценка. Подготовку гистологии почек и оценку проводили, как определено ранее (61).

Наличие данных и материалов. Все анализы и визуализации были выполнены в R. Конкретная методология и анализ с использованием опубликованных программ Seurat подробно описаны в разделе «Методы». Данные, метаданные и результаты анализа, такие как идентификация кластера, хранятся в Омнибусе экспрессии генов Национального центра биотехнологической информации (GSE197339).

Статистика. Статистические данные были рассчитаны в R, как указано в разделах, посвященных анализу, или в GraphPad Prism с помощью 1-способа ANOVA с критерием Тьюки для множественных сравнений, 2-способа ANOVA с повторными измерениями или анализа χ2, как указано в подписях к рисункам, со значениями P, представленными как *P < 0.05, **P < 0.{{1{0}}}1, ***P <0,001, ****Р < 0,0001. P <0,05 считался статистически значимым.

Утверждение исследования. Вся работа была одобрена Комитетом по институциональному уходу и использованию животных Университета Питтсбурга или Йельского университета.

Вклад автора

JST и MJS задумали исследование. SS, MC, JST и MJS разработали методологию. Были исследованы JST и SS. JST и SS визуализировали данные. JST и MJS получили финансирование. JST и MJS обеспечивали администрирование проекта. JST и MJS обеспечили надзор. JST и MJS написали первоначальный проект. JST, MJS, SS и MC просмотрели и отредактировали проект.

Благодарности

Мы хотели бы поблагодарить Минджунг Ким за ее неустанные усилия в лаборатории, позволившие выполнить эту работу, и отметить критическую оценку проекта от Кевина Никерсона, Рэйчел Гордон и Питера Липски, а также критический обзор этой работы Фади Лаккис и Уоррен. Шломчик. Кроме того, мы хотели бы поблагодарить Университет Питтсбурга Single Cell Core и, в частности, Трейси Табиб, которая помогла завершить подготовку библиотеки и технологию 10x Genomics.

Финансирование было предоставлено Исследовательским альянсом Lupus, грантом Novel Research (для JST); Грант NIH/Национального института артрита, скелетно-мышечных и кожных заболеваний K08AR075056 (для JST); и грант NIH/Национального института аллергии и инфекционных заболеваний R01 AI137132 (для MJS).

Адресная корреспонденция:Джереми С. Тилстра, 3500 Terrace Street, BST S705A, Питтсбург, Пенсильвания 15261, США. Телефон: 412.383.8861; Или Марку Дж. Шломчику, W1052 Biomedical Science Tower, 200 Lothrop Street, Pittsburgh, Pennsylvania 15261, USA. Телефон: 412.648.8771.

1. Хоуп Х.К., Салмонд Р.Дж. Ориентация на микроокружение опухоли и метаболизм Т-клеток для эффективной иммунотерапии рака. Евр Дж Иммунол. 2019;49(8):1147–1152.

2. Цзян Ю и др. Истощение Т-клеток в микроокружении опухоли. Клеточная смерть Дис. 2015;6:e1792.

3. Шарпинг Н.Е. и др. Митохондриальный стресс, вызванный постоянной стимуляцией в условиях гипоксии, быстро приводит к истощению Т-клеток. Нат Иммунол. 2021;22(2):205–215.

4. Кларк М.Р. и соавт. Патогенез и терапевтические последствия тубулоинтерстициального воспаления при волчаночном нефрите человека. Семин Нефрол. 2015;35(5):455–464.

5. Хси С. и соавт. Прогнозирование исходов волчаночного нефрита с тубулоинтерстициальным воспалением и рубцеванием. Res помощи артрита (Hoboken). 2011;63(6):865–874.

6. Тилстра Дж. С. и др. Инфильтрирующие почки Т-клетки при волчаночном нефрите мышей метаболически и функционально истощены. Джей Клин Инвест. 2018;128(11):4884–4897.

7. Шмитц Дж. Э. и соавт. Контроль виремии при инфицировании вирусом иммунодефицита обезьян с помощью CD8 плюс лимфоциты. Наука. 1999;283(5403):857–860.

8. Палей М.А. и соавт. Прогениторные и терминальные субпопуляции CD8 плюс Т-клетки взаимодействуют, чтобы сдерживать хроническую вирусную инфекцию. Наука. 2012;338(6111):1220–1225.

9. Ланата С.М. и соавт. Фенотипический и геномный подход в многоэтнической когорте к подтипу системной красной волчанки. Нац коммун. 2019;10(1):3902.

10. Петерсон К.С. и соавт. Характеристика гетерогенности молекулярного патогенеза люпус-нефрита по транскрипционным профилям клубочков, захваченных лазером. Джей Клин Инвест. 2004;113(12):1722–1733.

11. Арази А. и др. Ландшафт иммунных клеток в почках больных волчаночным нефритом. Нат Иммунол. 2019;20(7):902–914.

12. Батлер А. и др. Интеграция транскриптомных данных отдельных клеток в различных условиях, технологиях и видах. Нац биотехнолог. 2018;36(5):411–420.

13. Хашимото К. и соавт. Транскриптомика одиночных клеток выявляет экспансию цитотоксических CD4 Т-клеток у долгожителей. Proc Natl Acad Sci US A. 2019;116(48):24242–24251.

14. Сингер М. и др. Отдельный генный модуль для дисфункции, не связанный с активацией инфильтрирующих опухоль Т-клеток. Клетка. 2016;166(6):1500–1511.

15. Стаббингтон М.Дж. и соавт. Атлас транскриптомов мышиных CD4 (плюс) Т-клеток. Биол Директ. 2015;10:14.

16. Тиббит К.А. и соавт. Секвенирование одноклеточной РНК ответа Т-хелперных клеток на клещей домашней пыли определяет отчетливую сигнатуру экспрессии генов в клетках Th2 дыхательных путей. Иммунитет. 2019;51(1):169–184.

17. Маккей Л.К. и соавт. Путь развития CD103(плюс)CD8 плюс резидентные в тканях Т-клетки памяти кожи. Нат Иммунол. 2013;14(12):1294–1301.

18. Чен П.М. и др. Гипоксия почечной ткани определяет опосредованное Т-клетками повреждение при волчаночном нефрите мышей. Sci Transl Med. 2020;12(538):eaay1620.

19. Обер Н. и соавт. Характеристика молекулярной метасигнатуры регуляторных Т-клеток идентифицирует ген проэнкефалина как новый маркер у мышей [препринт]. Опубликовано на bioRxiv 6 марта 2020 г.

20. Мартин М.Д., Бадовинац В.П. Определение CD8 Т-клетки памяти. Фронт Иммунол. 2018;9:2692.

21. Виллинджер Т. и соавт. Молекулярные сигнатуры отличают центральную память человека от субпопуляций эффекторных клеток памяти CD8 T-клеток. Дж Иммунол. 2005;175(9):5895–5903.

22. Арендс Т. и соавт. CD4 плюс Т-клетки помогают создать память CD8 плюс Т-клетки с врожденными и независимыми от помощи способностями к воспроизведению. Нац коммун. 2019;10(1):5531.

23. Юсуф И. и др. Продукция IL-4 фолликулярных хелперных клеток зародышевого центра T зависит от сигнального рецептора молекулы активации лимфоцитов (CD150). Дж Иммунол. 2010;185(1):190–202.

24. Лузина И.Г. и соавт. Спонтанное образование зародышевых центров у аутоиммунных мышей. Дж. Лейкок Биол. 2001;70(4):578–584.

25. Блащик К. и соавт. Уникальная роль STAT2 в конститутивной и индуцированной IFN транскрипции и противовирусных ответах. Цитокиновый фактор роста, ред. 2016; 29:71–81.

26. Сварналеха Н. и соавт. Т-резидентные хелперные клетки способствуют гуморальным реакциям в легких. Научный Иммунол. 2021;6(55):eabb6808.

27. Хейворд С.Л. и соавт. Сигналы окружающей среды регулируют эпигенетическое перепрограммирование резидентных CD8 плюс Т-клеток памяти дыхательных путей. Нат Иммунол. 2020;21(3):309–320.

28. Захер АГ и др. Цитотоксические CD4 плюс Т-клетки при раке мочевого пузыря — новая лицензия на убийство. Раковая клетка. 2020;38(1):28–30.

29. Маэхара Т. и др. Цитотоксические CD4 плюс Т-лимфоциты могут индуцировать апоптоз эндотелиальных клеток при системном склерозе. Джей Клин Инвест. 2020;130(5):2451–2464.

30. Мирагайа Р.Дж. и соавт. Одноклеточная транскриптомика регуляторных Т-клеток выявляет траектории тканевой адаптации. Иммунитет. 2019;50(2):493–504.

31. Деринг Т.А. и соавт. Сетевой анализ выявляет централизованно связанные гены и пути, участвующие в истощении CD8 плюс Т-клеток по сравнению с памятью. Иммунитет. 2012;37(6):1130–1144.

32. Ли Дж. и соавт. Высокий уровень дома способствует истощению противоопухолевых CD8 плюс Т-клеток. Фронт Иммунол. 2018;9:2981.

33. Сео Х и др. Факторы транскрипции TOX и TOX2 взаимодействуют с факторами транскрипции NR4A, вызывая истощение CD8 плюс Т-клеток. Proc Natl Acad Sci US A. 2019;116(25):12410–12415.

34. Ли Х и др. Дисфункциональные Т-клетки CD8 образуют пролиферативный, динамически регулируемый компартмент в меланоме человека. Клетка. 2020;181(3):747.

35. Целхар Т., Фэрхерст А.М. Моделирование клинической системной красной волчанки: сходства, различия и истории успеха. Ревматология (Оксфорд). 2017; 56 (прил. 1): i88–i99.

36. Массенгилл С.Ф. и соавт. СКВ-нефрит связан с олигоклональной экспансией внутрипочечных Т-клеток. Am J почек Dis. 1998;31(3):418–426.

37. Винчестер Р. и соавт. Иммунологические характеристики внутрипочечных Т-клеток: транспорт расширенных CD8 плюс клонотипы цепи Т-клеток при прогрессирующем волчаночном нефрите. Ревмирующий артрит. 2012;64(5):1589–1600.

38. Мурата Х. и др. Репертуар Т-клеточных рецепторов Т-клеток в почках больных волчаночным нефритом. Ревмирующий артрит. 2002;46(8):2141–2147.

39. Йост К.Е. и соавт. Клональная замена опухолеспецифических Т-клеток после блокады PD-1. Нат Мед. 2019;25(8):1251–1259.

40. Кольер Дж.Л. и соавт. Не совсем противоположные концы спектра: CD8 плюс дисфункция Т-клеток при хронической инфекции, раке и аутоиммунитете. Нат Иммунол. 2021;22(7):809–819.

41. Чанг А. и др. Клеточные аспекты патогенеза волчаночного нефрита. Курр Опин Ревматол. 2021;33(2):197–204.

42. Кинер Э. и соавт. Фенотипы кишечных CD4 плюс Т-клеток представляют собой континуум, сформированный микробами, а не архетипами TH. Нат Иммунол. 2021;22(2):216–228.

43. Пейн М. и соавт. Гибридные клетки T-bet(plus)GATA-3(plus) Th1/Th2 возникают in vivo, могут развиваться непосредственно из наивных предшественников и ограничивают иммунопатологическое воспаление. PLoS биол. 2013;11(8):e1001633.

44. Хуанг С. Гибридные Т-хелперы: стабилизация умеренного центра в поляризованной системе. PLoS биол. 2013;11(8):e1001632.

45. Шарпинг Н.Е. и др. Микроокружение опухоли подавляет митохондриальный биогенез Т-клеток, приводя к внутриопухолевой метаболической недостаточности и дисфункции Т-клеток. Иммунитет. 2016;45(3):701–703.

46. ​​Шарпинг Н.Е. и др. Митохондриальный стресс, вызванный постоянной стимуляцией в условиях гипоксии, быстро приводит к истощению Т-клеток. Нат Иммунол. 2021;22(2):205–215.

47. Ачарья Н. и др. Эндогенная передача сигналов глюкокортикоидов регулирует дифференцировку CD8 плюс Т-клеток и развитие дисфункции в микроокружении опухоли. Иммунитет. 2020;53(3):658–671.

48. Мохан С. и др. Генетическое рассечение патогенеза волчанки: рецепт некрофильных аутоантител. Джей Клин Инвест. 1999;103(12):1685–1695.

49. Хедрих С.М. и соавт. Модулятор ответного элемента цАМФ контролирует экспрессию IL2 и IL17A во время фиксации линии CD4 и распределения подмножества при волчанке. Proc Natl Acad Sci US A. 2012;109(41):16606–16611.

50. ЭльТанбули М.А. и соавт. VISTA является регулятором контрольных точек покоя и периферической толерантности наивных Т-клеток. Наука. 2020;367(6475):eaay0524.

51. Зарур Х.М. Устранение дисфункции и истощения Т-клеток при раке. Клин Рак Рез. 2016; 22(8):1856–1864.

52. Маккинни Э.Ф. и соавт. Истощение Т-клеток, костимуляция и клинический исход при аутоиммунитете и инфекции. Природа. 2015;523(7562):612–616.

53. Максвелл Р. и соавт. Контрастное влияние кортикостероидов на эффективность иммунотерапии против PD-1 при гистологии опухолей, расположенных внутри или вне центральной нервной системы. Онкоиммунология. 2018;7(12):e1500108.

54. Флинт Т.Р. и др. Индуцированный опухолью IL-6 перепрограммирует метаболизм хозяина для подавления противоопухолевого иммунитета. Клеточный метаб. 2016;24(5):672–684.

55. Ханото А. и др. Лечение циклофосфамидом регулирует баланс функциональных/истощенных опухолеспецифических CD8 плюс Т-клеток. Онкоиммунология. 2017;6(8):e1318234.

56. Стокиус М. и соавт. Хеширование клеток с помощью антител со штрих-кодом обеспечивает мультиплексирование и двойное обнаружение геномики одиночных клеток. Геном биол. 2018;19(1):224.

57. Заппиа Л., Ошлак А. Деревья кластеризации: визуализация для оценки кластеризации при различных разрешениях. Гигасайнс. 2018;7(7):giy083.

58. Корсунский И. и соавт. Быстрая, чувствительная и точная интеграция данных отдельных ячеек с Harmony. Нат Методы. 2019;16(12):1289–1296.

59. Тирош И. и др. Анализ многоклеточной экосистемы метастатической меланомы с помощью одноклеточной РНК-сек. Наука. 2016;352(6282):189–196.

60. Айбар С. и др. SCENIC: вывод и кластеризация регуляторной сети с одной ячейкой. Нат Методы. 2017;14(11):1083–1086.

61. Тилстра Дж. С. и соавт. Присущая В-клеткам экспрессия TLR9 является защитной при мышиной волчанке. Джей Клин Инвест. 2020;130(6):3172–3187.

【Для получения дополнительной информации: david.deng@wecistanche.com / WhatApp:86 13632399501】