巨细胞说:在疯狂中有一种方法
Gajanan Katkar1, Pradipta Ghosh2
1Department of Cellular and Molecular Medicine, University of California, San Diego, CA, 92093, USA.
Trends in immunology
|November 9, 2023
概括
机器学习揭示了整个组织的巨细胞状态的共享谱,挑战了先前的特定背景观点. 这些平衡这些平衡.
科学领域:
- 免疫学 免疫学 免疫学
- 细胞生物学 细胞生物学
- 计算生物学 计算生物学
背景情况:
- 单细胞研究发现了离散的,特定于组织的巨细胞状态.
- 机器学习 (ML) 通过提出共享状态的连续性来挑战这一点.
- "车"和"加速器"表型之间的巨细胞平衡对于平衡至关重要.
研究的目的:
- 为了研究不同组织中巨细胞状态的连续性.
- 了解"车"和"加速器"巨细胞表型之间的平衡.
- 探索治疗策略,以调节疾病中的巨细胞状态.
主要方法:
- 使用的机器学习 (ML) 方法.
- 在各种组织环境中分析了巨细胞状态.
- 研究了巨细胞群体内的表型切换和流动性.
主要成果:
- 确定了跨组织共享的巨细胞状态的文本无关连续性.
- 证实了平衡"车"和"加速器"巨细胞亚群对于组织平衡的必要性.
- 突出了巨细胞表型的动态切换,以获得最佳的威胁反应.
结论:
- 巨细胞状态存在于连续,而不仅仅是分立的组织特定形式.
- 了解巨细胞表型流动性是免疫调节的关键.
- 向巨细胞状态为各种疾病的新型治疗干预提供了潜在的潜力.
