在初级Sjögren综合征中基于B淋巴细胞子集的分层化:对淋巴瘤风险和个性化治疗的影响

科学领域:

• 免疫学 免疫学 免疫学
• 类风湿病学 类风湿病学
• 计算生物学 计算生物学

背景情况:

• 主要Sjögren综合征 (pSS) 是一种慢性自身免疫性疾病,其特征是淋巴细胞透到外分泌腺体.
• B淋巴细胞异常与pSS病变产生有关,并与淋巴瘤风险增加有关.
• 基于B细胞子集的患者分层可能提供有关疾病异质性和风险预测的见解.

研究的目的:

• 基于使用机器学习的B淋巴细胞子集对患有初级Sjögren综合征 (pSS) 的患者进行分层.
• 调查已识别的B细胞子组与淋巴瘤风险,临床表型和疾病活性之间的关联.

主要方法:

• 对137名pSS患者的回顾性分析.
• 机器学习 (主要组件分析和k-means集群) 的应用,以流动细胞计数据和免疫球蛋白/补充水平.
• 使用肘部方法确定最佳集群;在子组中比较临床和实验室参数.

主要成果:

• 确定了四个不同的患者子组.
• 一个子组 (A组) 显示淋巴瘤发病率显著增加 (20%) 和疾病活性升高 (ESSDAI评分最高).
• 集群A的特征是增加双阴性B细胞和血细胞.

结论:

• 基于机器学习的分层有效地确定了一个pSS子组,该子组具有更高的淋巴瘤风险和增加的疾病活性.
• B细胞子集的不平衡在PSS病变发生过程中起着至关重要的作用.
• 这种方法为预测淋巴瘤风险和指导pSS个性化治疗策略提供了一个框架.