Le cellule T sono una parte importante del nostro sistema immunitario. Le cellule T helper (Th) supportano e coordinano le funzioni centrali della risposta immunitaria adattativa e quindi contribuiscono in modo significativo alla difesa contro vari agenti patogeni e al controllo delle cellule proprie dell’organismo. Diverse popolazioni specializzate di cellule Th, tra cui le cellule Th1, Th2 e Th17, si sono sviluppate per coprire l’enorme varietà di potenziali agenti patogeni e per essere in grado di reagire in modo ottimale alle diverse condizioni. Questo articolo si concentra su un’analisi più approfondita della popolazione di cellule Th1 e sottolinea le differenze con altri tipi di cellule Th.
Le cellule T sono una parte importante del nostro sistema immunitario. Le cellule T helper (Th) supportano e coordinano le funzioni centrali della risposta immunitaria adattativa e quindi contribuiscono in modo significativo alla difesa contro vari agenti patogeni e al controllo delle cellule proprie dell’organismo. Diverse popolazioni specializzate di cellule Th, tra cui le cellule Th1, Th2 e Th17, si sono sviluppate per coprire l’enorme varietà di potenziali agenti patogeni e per essere in grado di reagire in modo ottimale alle diverse condizioni. Tutte queste si differenziano dalle cellule T CD4+ naïve dopo il contatto iniziale con agenti patogeni o cellule presentanti l’antigene (APC). A seconda della popolazione di cellule Th, vengono secrete alcune citochine che agiscono su altre cellule come parte dell’ambiente esterno e quindi innescano vari processi immunologici. La suddivisione delle cellule Th in diverse popolazioni si basa principalmente sull’espressione di alcuni fattori di trascrizione, sulla presentazione di molecole di superficie e sulla produzione di citochine specifiche. I fattori di trascrizione determinano essenzialmente la differenziazione delle cellule T CD4+ naive nel rispettivo tipo di cellule Th e controllano l’espressione genica per l’adempimento delle rispettive funzioni effettrici. Per le cellule Th1, è soprattutto il fattore di trascrizione T-BET che induce la produzione della citochina Th1 IFNγ. Al contrario, le cellule Th2 sono caratterizzate dall’espressione di GATA3 e dalla secrezione di IL-4, IL-5 e IL-13, mentre le cellule Th17 presentano il fattore di trascrizione RORγt e la produzione di IL-17 e IL-22. Questo articolo si concentra su un’analisi più approfondita della popolazione di cellule Th1 e sottolinea le differenze con altri tipi di cellule Th.
Le cellule Th1 tra risposta immunitaria efficace e malattie autoimmuni
Dopo la maturazione delle cellule T nel timo, le cellule T CD4+ naïve circolano nell’organismo e incontrano le APC negli organi linfoidi secondari. Se le APC presentano un epitopo sui loro recettori MHCII che una cellula T riconosce attraverso il suo recettore delle cellule T (TCR), la cellula T viene attivata dopo una costimolazione riuscita. Il metabolismo della cellula T cambia quindi drasticamente per coprire l’aumento del fabbisogno energetico e preparare la cellula all’imminente espansione clonale. Inoltre, le citochine presenti nell’ambiente, come l’IL-12, che viene secreta dalle cellule dendritiche o dai macrofagi, attivano programmi di differenziazione specifici per polarizzare la cellula in direzione Th1. I fattori di trascrizione indotti TBET, STAT1 e STAT4 attivano la produzione di IFNγ, che a sua volta amplifica e mantiene l’attività di TBET attraverso un ciclo di feedback positivo. L’espressione di fattori di trascrizione Th1-specifici in una popolazione di cellule Th1 inibisce la differenziazione di altre sottopopolazioni in una certa misura, il che porta a una risposta immunitaria mirata. La TBET, ad esempio, inibisce la trascrizione di GATA3 e porta a cambiamenti epigenetici che rendono il locus IFNγ più accessibile, mentre il locus che codifica per le citochine Th2 IL-4 e IL-13 è trascrizionalmente represso. Le proteine CXCR3 e CCR5 espresse sulla superficie delle cellule Th1 attivate consentono, tra l’altro, la migrazione delle cellule Th1 attivate dagli organi linfoidi secondari al sito di infezione. Le cellule Th1 continuano a secernere IFNγ e attivano i macrofagi, che poi eliminano gli agenti patogeni intracellulari (Fig. 1). Le molecole reattive di ossigeno e gli enzimi attivati che si formano nel processo possono influenzare anche il tessuto circostante. Le cellule Th1 producono anche TNF e inducono la produzione di TNF, IL-1 e chemochine in altre cellule, come i macrofagi. Di conseguenza, promuovono un ambiente pro-infiammatorio e portano al reclutamento di altre cellule immunitarie. Senza un adeguato controllo della risposta immunitaria, può verificarsi un’infiammazione cronica. Tuttavia, le cellule Th1 sono anche in grado di produrre IL-10, che contrasta questo sviluppo.
Le cellule Th1 svolgono un ruolo particolarmente importante nella difesa contro gli agenti patogeni intracellulari, come vari batteri e virus, mentre le cellule Th2 sono generalmente importanti per la difesa umorale contro i parassiti, come i vermi. Il rapporto tra le quantità di diverse citochine può fornire informazioni sul decorso di un’infezione. Per esempio, i parassiti intracellulari come la Leishmania di solito inducono una risposta dominata dai Th1. I pazienti con livelli più elevati di citochine Th1, come l’IFNγ, mostrano un decorso migliore della leishmaniosi cutanea rispetto ai pazienti con livelli più elevati di citochine Th2, come l’IL-4. Una risposta bilanciata Th1-Th2 sembra avere un ruolo importante soprattutto nelle prime fasi dell’infezione [1]. Le interruzioni della regolare risposta immunitaria Th1 comportano una maggiore suscettibilità a determinati batteri e virus, ad esempio i pazienti con mutazioni nel recettore IFNγ sono suscettibili alle infezioni da micobatteri o salmonella.
L’identificazione dei geni associati alle immunodeficienze ha contribuito a chiarire le vie di segnalazione e le funzioni delle cellule immunitarie. I knock-down o knock-out mirati dei geni nei modelli animali sono utili anche per decifrare le funzioni dei geni e differenziare i contributi delle singole cellule e i loro compiti. Una risposta immunitaria equilibrata, efficiente e controllata è fondamentale non solo per la difesa dagli agenti patogeni, ma anche per la prevenzione delle malattie autoimmuni. Le cellule Th1 svolgono un ruolo centrale nelle malattie autoimmuni come l’artrite reumatoide, il diabete di tipo 1 e la sclerosi multipla. Le cellule Th17 sono anche frequentemente coinvolte nella patogenesi delle malattie autoimmuni. In generale, quanto meglio comprendiamo i processi di differenziazione e attivazione delle cellule T nel loro complesso e delle sottopopolazioni in particolare, tanto meglio potremo capire come sono alterati nelle varie malattie e trovare modi per influenzarli a lungo termine.
Espressione genica e meccanismi di regolazione
Sebbene nella ricerca molecolare i cambiamenti nell’abbondanza di RNA siano spesso considerati come un proxy dei processi cellulari, l’espressione genica è un processo complesso con diversi meccanismi di regolazione (Fig. 2) . In definitiva, sono soprattutto le proteine, le loro attività, le modifiche, la localizzazione subcellulare e le interazioni a determinare lo stato di una cellula o di un intero organismo. Uno dei meccanismi di regolazione dei livelli proteici è il controllo traslazionale, il che significa che gli mRNA vengono tradotti più o meno a seconda delle condizioni. Ciò riguarda principalmente i sistemi in cui le cellule devono adattarsi rapidamente a nuove condizioni, come ad esempio l’attivazione e la differenziazione delle cellule T. Altri meccanismi di regolazione riguardano le proteine stesse, che possono essere modificate dopo la loro sintesi e il loro ripiegamento mediante modifiche post-traduzionali (PTM) o scissione proteolitica, oppure rimosse di nuovo mediante una degradazione proteica mirata. Oltre alla fosforilazione, anche i PTM meno noti, come la prenilazione e la palmitoilazione, in cui varie molecole lipidiche sono attaccate alle proteine, svolgono un ruolo decisivo nella differenziazione e nella funzionalità delle cellule Th. Questo dimostra che l’analisi di diverse molecole e meccanismi di regolazione è indispensabile per una comprensione completa dei processi cellulari.
Analisi omiche
Le tecnologie omiche rappresentano un gruppo completo di approcci analitici che consentono di analizzare le cellule in dettaglio a diversi livelli molecolari. Questi livelli includono principalmente il genoma, il trascrittoma, il proteoma e il metaboloma, ognuno dei quali comprende la totalità del DNA, degli RNA trascritti, delle proteine e dei metaboliti presenti nella cellula. Le applicazioni per le loro analisi comprendono, ad esempio, il sequenziamento dell’intero genoma per la genomica, il sequenziamento dell’intero trascrittoma per la trascrittomica e la spettrometria di massa per la proteomica e la metabolomica. In ogni area, esiste una varietà di tecniche e applicazioni aggiuntive che consentono ulteriori sfumature e mirano ad analizzare diversi processi cellulari. Un’ulteriore applicazione che svolge un ruolo importante nella nostra ricerca sulle cellule Th1 è la profilazione dei ribosomi per determinare il translatome. Ciò comporta l’analisi delle sezioni di RNA che vengono effettivamente tradotte. Dopo la rottura delle cellule, l’estratto viene trattato con le RNasi, che degradano tutto l’RNA, tranne le sezioni che si trovano all’interno dei ribosomi in allungamento e sono quindi protette. In ulteriori fasi sperimentali, questi pezzi di RNA vengono purificati, elaborati e infine sequenziati. Questo fornisce un quadro esatto della traduzione in un momento specifico. A livello di proteine, si possono utilizzare vari metodi per analizzare il turnover, le modifiche con i PTM e persino la loro conformazione. L’applicazione di vari metodi omici, lo sviluppo di tecnologie sempre migliori e più sensibili e l’integrazione dei dati raccolti stanno gradualmente aprendo i processi regolati della cellula.
Nelle sezioni seguenti presenteremo, senza pretendere di essere esaustivi, alcune interessanti innovazioni metodologiche e risultati tratti dalla letteratura e dalla nostra ricerca, ottenuti utilizzando varie tecnologie omiche nel campo della ricerca sulle cellule T.
Translatomica
I dati sulla traduzione dell’RNA ottenuti dalla profilazione dei ribosomi possono essere combinati con i corrispondenti dati di sequenziamento dell’RNA per determinare l’efficienza traslazionale di specifici trascritti. Questo fornisce informazioni sull’efficienza della traduzione dei vari RNA. Attualmente esistono solo pochi studi che utilizzano questo metodo nelle cellule T. Meyers e colleghi [2] utilizzano la profilazione dei ribosomi per studiare l’influenza di una mutazione nella via di segnalazione mTOR sulle cellule T CD4+ naïve. In uno studio di Manfrini e colleghi [3], il controllo traslazionale dei processi metabolici è stato analizzato in un campione di cellule Th1 nel corso di una settimana dopo la stimolazione di cellule T CD4+ naïve. Nella nostra ricerca, abbiamo utilizzato la profilazione dei ribosomi in combinazione con il sequenziamento dell’RNA e la proteomica per studiare i cambiamenti durante la differenziazione delle cellule T CD4+ naïve in cellule Th1. È interessante notare che l’analisi dei cambiamenti nell’efficienza traslazionale in diversi momenti ha dimostrato che diverse proteine sono regolate a livello traslazionale nel processo biologico di prenilazione delle proteine.
La profilazione dei ribosomi può essere utilizzata anche per scoprire eventi di traduzione precedentemente sconosciuti e quindi nuovi potenziali bersagli per influenzare la differenziazione delle cellule T. Come descritto nella revisione di Della Bella, Koch e Baerenfaller [4], molti microRNA funzionali e ncRNA lunghi che influenzano l’attivazione e la differenziazione delle cellule T sono nascosti nei cosiddetti RNA non codificanti (ncRNA). Inoltre, spesso contengono anche brevi cornici di lettura aperte (sORF), ossia segmenti di sequenza di RNA che codificano per meno di 100 aminoacidi. È già stato dimostrato in diversi organismi e sistemi cellulari che la traduzione di questi sORF può portare a polipeptidi funzionali codificati da sORF (SEP), oltre ai compiti di regolazione. Sulla base dei nostri dati di profilazione dei ribosomiper la differenziazione delle cellule Th1, siamo stati in grado di identificare diversi SEP di questo tipo. Poiché molti dei processi regolatori sono conservati, si può ipotizzare che questi SEP svolgano un ruolo nella differenziazione delle cellule Th1. Tuttavia, il ruolo esatto di questo aspetto deve ancora essere indagato.
Proteomica
Come dimostrato, ad esempio, da Wolf e colleghi [5], la proteomica in combinazione con altre tecnologie omiche può fornire approfondimenti sui processi cellulari coinvolti nell’attivazione delle cellule T CD4+. Nel loro studio, hanno attivato cellule T CD4+ umane, naive, in modo non specifico in vitro e hanno analizzato il proteoma delle cellule in diversi momenti, utilizzando la spettrometria di massa. I dati di proteomica sono stati poi combinati con i dati di sequenziamento dell’RNA, i dati di legame dei fattori di trascrizione e i dati epigenetici sull’accessibilità del DNA. Questo ha permesso loro di mostrare come le cellule T CD4+ ingenue siano esteriormente dormienti, ma pronte ad adattarsi rapidamente ai loro nuovi compiti quando vengono attivate. Ciò è dovuto al fatto che sintetizzano e degradano continuamente un piccolo gruppo di proteine, tra cui molti fattori di trascrizione come ETS1, LEF-1, FOXP1, KLF-2 o TCF-1. Inoltre, è stato dimostrato che le cellule T CD4+ naive contengono molti ribosomi inattivi nel citoplasma, che traducono RNA dopo l’attivazione la cui traduzione era stata soppressa fino a quel momento. Il CD69 è una delle proteine la cui traduzione è inibita, ma che si ritrova rapidamente sulla superficie cellulare dopo l’attivazione. Mentre in precedenza si sapeva che le cellule T CD4+ naïve adattano rapidamente l’espressione di RNA e proteine al momento dell’attivazione e rimodellano drasticamente il loro metabolismo, questi risultati illustrano in modo impressionante che la regolazione traslazionale e la degradazione mirata delle proteine contribuiscono a regolare questi processi.
Nella nostra ricerca, abbiamo determinato le proteine che sono regolate durante la differenziazione e l’attivazione delle cellule Th1. Inoltre, abbiamo arricchito e identificato le proteine prenilate per raccogliere informazioni su questa modifica post-traslazionale durante i processi. Il confronto delle proteine differentemente prenilate con le misurazioni dell’intero proteoma ci ha permesso di identificare le proteine che sono differentemente prenilate durante l’attivazione delle cellule Th1. Tra le proteine identificate, molte erano già note per essere prenilate, come i membri della famiglia delle proteine G, comprese le proteine RAS e RAB. Questi hanno un’influenza sulla differenziazione e sull’attivazione delle cellule T, ma naturalmente svolgono anche funzioni importanti in altri tipi di cellule. Il blocco dell’attività, soprattutto di RAS, mediante vari interventi farmacologici, come l’inibizione della prenilazione, è stato ampiamente studiato, soprattutto nel campo dell’oncologia, ma con un successo finora limitato. D’altra parte, lonafarnib, che impedisce un sottotipo di prenilazione, è autorizzato nell’UE per il trattamento della progeria dal 2022. È interessante notare che le proteine prenilate identificate nei nostri dati comprendono anche proteine che non contengono il tipico motivo di prenilazione al C-terminus della proteina.
Le analisi bioinformatiche di sequenza e strutturali hanno rivelato nuovi motivi di prenilazione al C-terminus della proteina, da un lato, e la prenilazione a livello delle cisteine all’interno della sequenza della proteina, dall’altro. Poiché la prenilazione delle proteine è strettamente legata alla loro localizzazione e alla loro funzione, questo fornisce nuove conoscenze sui vari meccanismi di regolazione durante l’attivazione delle cellule Th1. In generale, i metodi appena descritti consentono di registrare l’influenza completa del blocco della prenilazione sul proteoma e sul preniloma. Ciò consente di riconoscere e controllare gli effetti sia voluti che indesiderati delle terapie sulle cellule. La conoscenza della struttura 3D delle proteine è un grande vantaggio per l’inibizione mirata delle proteine. Grazie agli enormi progressi nel campo dell’analisi strutturale, oggi è possibile prevedere la struttura di una proteina sulla base delle sequenze proteiche. Un esempio è il CXCR3, un recettore accoppiato a proteine G (GPCR), noto anche come marcatore di superficie delle cellule Th1, la cui segnalazione è mediata da proteine prenilate note e identificate di recente, tra le altre. La struttura di CXCR3 non è ancora stata decifrata con metodi sperimentali convenzionali, ma è ora disponibile come previsione (Fig. 3). Anche la struttura di molte altre proteine di membrana è stata resa accessibile in questo modo. Questo facilita anche la progettazione di molecole per influenzarle in modo specifico. Nel caso di CXCR3, questo potrebbe avere un potenziale terapeutico.
Analisi delle cellule singole
Le suddette caratteristiche delle diverse popolazioni di cellule Th e i risultati delle diverse tecnologie omiche si basano per lo più sull’analisi di molte cellule diverse della stessa popolazione. In questo modo si confondono le differenze tra le singole cellule, anche se non sono omogenee. Ad esempio, è stato stabilito relativamente presto, utilizzando metodi come la citometria a flusso, che esistono cellule Th che esprimono sia la citochina IFNγ tipica dei Th1 che l’IL-17 tipica dei Th17, il che confonde le popolazioni originariamente definite. Inoltre, esiste una certa plasticità tra le diverse popolazioni di cellule Th, come le cellule Th1 e Th17. Ciò significa che le cellule Th possono cambiare la loro identità funzionale in base ai cambiamenti delle condizioni esterne. Altri fattori, come la forza del segnale del TCR al momento dell’attivazione, la presentazione dell’epitopo o le condizioni epigenetiche, influenzano anche la differenziazione delle cellule Th e quindi il loro comportamento. L’ulteriore sviluppo di vari metodi omici, in particolare il sequenziamento dell’RNA di una singola cellula (scRNA-Seq) e la citometria di massa, ha permesso l’analisi differenziata di popolazioni cellulari più complesse.
Citometria di massa
La citometria di massa, nota anche come CyTOF, è una tecnologia che rileva proteine multiple e predefinite in un gran numero di cellule singole e ha un’elevata sensibilità e precisione nella quantificazione. Un pannello predefinito di proteine viene etichettato con anticorpi accoppiati a metalli pesanti. Tortola e colleghi [6] hanno utilizzato la citometria di massa per analizzare l’espressione delle citochine in diverse cellule Th, al fine di analizzare la diversità delle risposte delle cellule Th generate in vitro e nei modelli animali. Hanno osservato una grande eterogeneità delle risposte alle citochine all’interno delle sottopopolazioni di cellule Th. Per esempio, in un modello murino di influenza A, come previsto, sono state rilevate cellule Th con un fenotipo Th1 con espressione di IFNγ. Tuttavia, all’interno di questa popolazione vi erano differenze nell’espressione di TNF, GM-CSF, IL-10 e IL-2 e alcune cellule IFNγ positive producevano anche IL-13.
Poiché anche le cellule differenziate in vitro non hanno mostrato modelli di espressione delle citochine uniformi, sorge la domanda su quali modelli di espressione riconosciamo come popolazioni cellulari rispetto agli stati cellulari. In vivo, le circostanze della differenziazione delle cellule T sono ancora meno uniformi, in quanto gli esseri umani non crescono in condizioni isolate e sterili e hanno contatti con microrganismi per tutta la vita e sperimentano varie malattie infettive, che modellano la risposta immunitaria. È quindi estremamente importante analizzare le funzioni delle cellule Th in sistemi più complessi. Uno studio del gruppo di Joller [7] ha analizzato gli effetti delle infezioni eterologhe sequenziali sulla risposta immunitaria in un modello murino. La citometria di massa ha dimostrato che le cellule di memoria Th1 generate dopo un’infezione virale hanno anche un effetto protettivo nelle successive infezioni batteriche e che le cellule di memoria possono quindi rispondere rapidamente alle sfide eterologhe.
Sequenziamento dell’RNA di una singola cellula
Lo ScRNA-Seq seguito da analisi di clustering e dall’assegnazione di singole popolazioni cellulari a cluster specifici è diventato un metodo enormemente popolare negli ultimi anni, consentendo analisi complete e sempre più sofisticate e proclamando costantemente nuove popolazioni cellulari. Per identificare le differenze rilevanti nelle popolazioni cellulari nei dati scRNA-Seq, i diversi tipi di cellule devono essere inclusi in un riferimento utilizzato per il confronto. Questo può essere limitante quando si analizzano i campioni dei pazienti, che possono avere popolazioni cellulari specifiche della malattia. Andreatta e colleghi [8] hanno quindi creato un atlante di riferimento per le cellule T basato sui dati scRNA-Seq. Inoltre, hanno sviluppato un metodo per confrontare i dati scRNA-Seq appena generati con l’atlante di riferimento. Questo permette di identificare le differenze rilevanti, anche se non tutti gli stati delle cellule sono inclusi nel riferimento.
Sequenziamento dell’RNA monocellulare combinato con il sequenziamento dei recettori delle cellule T
Particolarmente degno di nota è il metodo per l’analisi combinata dei dati scRNA-Seq con il sequenziamento a singola cellula del TCR della stessa cellula. Ciò consente di tracciare l’espansione clonale di determinate cellule T e di determinare il profilo di trascrizione associato. Questo è stato utilizzato, ad esempio, per tracciare lo sviluppo dei timociti umani e scoprire le tendenze nella ricombinazione VDJ delle cellule T [9]. Nel loro studio, Cano-Gamez e colleghi [10] hanno analizzato la differenziazione delle cellule Th1 umane utilizzando la scRNA-Seq e la proteomica e l’hanno integrata con un set di dati di sequenziamento TCR pubblicato. L’attenzione si è concentrata sull’effetto delle citochine sulle cellule T naive CD4+ e di memoria. L’analisi dei modelli di espressione e degli stati cellulari specifici del tipo di cellula ha rivelato un gradiente trascrizionale dalle cellule T CD4+ naïve alle cellule T effettrici di memoria.
Scienza dei dati
Come dimostrato più volte in precedenza, spesso si ottengono risultati interessanti integrando diversi tipi di dati generati con metodi diversi. Un aspetto importante nella pianificazione di tali esperimenti di multi-omica è l’attenzione alla successiva analisi dei dati, che spesso rende indispensabile l’adattamento e lo sviluppo di nuovi metodi bioinformatici. Quando si integrano diversi tipi di dati o serie di dati provenienti da laboratori diversi, ci sono anche deviazioni legate al protocollo che possono influenzare i risultati successivi. È quindi di grande importanza applicare la standardizzazione ai protocolli di laboratorio e all’analisi dei dati, normalizzare i dati e utilizzare metodi appropriati per integrare i dati mancanti e per integrare i dati. Un’abile progettazione sperimentale con campioni multipli provenienti dalla stessa replica biologica, in condizioni diverse o in punti temporali diversi, può aiutare a ridurre la distorsione e la varianza, in modo da scoprire le reali differenze tra i gruppi.
D’altra parte, la ricchezza di dati e il numero crescente di campioni rendono possibile modellare processi complessi e applicare l’apprendimento automatico. Ciò consente di riconoscere i biomarcatori o altri modelli rilevanti in serie di dati ampie e complesse. Rade e colleghi [11] hanno analizzato i dati del trascrittoma di 224 campioni provenienti da insiemi di dati pubblicamente disponibili di diverse popolazioni di cellule Th CD4+, con l’obiettivo di scoprire firme geniche stabili e coerenti in diversi punti temporali in tutte le popolazioni di cellule T. Hanno identificato firme di biomarcatori dell’attivazione delle cellule Th con profili di espressione genica risolti nel tempo di 521 geni rilevanti. In un altro studio, Puniya e colleghi [12] hanno utilizzato un modello meccanicistico per prevedere la differenziazione delle cellule T in varie condizioni ambientali che non sono ancora state studiate sperimentalmente. Il modello ha previsto fenotipi di cellule T classiche e miste che coesprimono fattori di trascrizione di diverse popolazioni di cellule T differenziate. Questi sono solo alcuni esempi di come le analisi bioinformatiche possono fornire nuove conoscenze sulla differenziazione e sull’attivazione delle cellule T.
Prospettive
Con l’avvento delle tecnologie omiche, è diventato possibile studiare la differenziazione e l’attivazione delle cellule Th1 e di altre popolazioni di cellule T in modo più dettagliato, contribuendo a una comprensione più completa di queste cellule e della risposta immunitaria. Ulteriori approfondimenti sulla differenziazione e sull’attivazione delle cellule T seguiranno sicuramente in futuro, man mano che i metodi verranno migliorati e ulteriormente sviluppati. Questo apre la possibilità di identificare i biomarcatori per la diagnosi e il controllo terapeutico delle malattie immunologiche e di trovare nuovi approcci terapeutici per influenzarle.
Letteratura:
- Carneiro MB, Lopes ME, Hohman LS, et al.: Th1-Th2 Cross-Regulation Controls Early Leishmania Infection in the Skin by Modulating the Size of the Permissive Monocytic Host Cell Reservoir. Cell Host Microbe 2020; 27: 752-768; doi: 10.1016/j.chom.2020.03.011.
- Myers DR, Norlin E, Vercoulen Y, Roose JP: Active Tonic mTORC1 Signals Shape Baseline Translation in Naive T Cells. Cell Rep 2019; 27: 1858–1874.
- Manfrini N, Ricciardi S, Alfieri R, et al.: Ribosome profiling unveils translational regulation of metabolic enzymes in primary CD4+ Th1 cells. Developmental & Comparative Immunology 2020, 109: 103697; doi: 10.1016/j.dci.2020.103697.
- Della Bella E, Koch J, Baerenfaller K: Translation and emerging functions of non-coding RNAs in inflammation and immunity. Allergy 2022; 77: 2025–2037.
- Wolf T, et al.: Dynamics in protein translation sustaining T cell preparedness. Nat Immunol 2020; 21: 927–937.
- Tortola L, et al.: High-Dimensional T Helper Cell Profiling Reveals a Broad Diversity of Stably Committed Effector States and Uncovers Interlineage Relationships. Immunity 2020; 53: 597–613.
- Rakebrandt N, Yassini N, Kolz A, et al.: Memory Th1 cells modulate heterologous diseases through innate function. bioRxiv 2023;
doi: 10.1101/2023.03.22.533799. - Andreatta M, et al.: Interpretation of T cell states from single-cell transcriptomics data using reference atlases. Nat Commun 2021; 12: 2965.
- Park JE, et al.: A cell atlas of human thymic development defines T cell repertoire formation. Science 2020; 367: eaay3224.
- Cano-Gamez E, et al.: Single-cell transcriptomics identifies an effectorness gradient shaping the response of CD4+ T cells to cytokines. Nat Commun 2020; 11: 1801.
- Rade M, et al.: A time-resolved meta-analysis of consensus gene expression profiles during human T-cell activation. Genome Biology 2023; 24: 287.
- Puniya BL, et al.: A Mechanistic Computational Model Reveals That Plasticity of CD4+ T Cell Differentiation Is a Function of Cytokine Composition and Dosage. Frontiers in Physiology 2018; 9.
Ulteriori letture:
- Abbas AK, Lichtman AH, Pillai S, Baker DL: Cellular and Molecular Immunology. (Elsevier, Philadelphia, Pennsylvania, 2022).
- Taheri M, et al.: Emerging Role of Non-Coding RNAs in Regulation of T-Lymphocyte Function. Frontiers in Immunology 2021; 12.
InFo NEUROLOGIE & PSYCHIATRIE 2024; 22(3): 11–17