Diferenciação e ativação das células Th1 – uma abordagem multiómica

As células T são uma parte importante do nosso sistema imunitário. As células T helper (Th) apoiam e coordenam as funções centrais da resposta imunitária adaptativa, contribuindo assim significativamente para a defesa contra vários agentes patogénicos e para o controlo das células do próprio organismo. Várias populações especializadas de células Th, incluindo as células Th1, Th2 e Th17, desenvolveram-se para cobrir a enorme variedade de potenciais agentes patogénicos e para serem capazes de reagir de forma óptima a diferentes condições. Este artigo centra-se num olhar mais atento à população de células Th1 e salienta as diferenças em relação a outros tipos de células Th.

As células T são uma parte importante do nosso sistema imunitário. As células T helper (Th) apoiam e coordenam as funções centrais da resposta imunitária adaptativa, contribuindo assim significativamente para a defesa contra vários agentes patogénicos e para o controlo das células do próprio organismo. Várias populações especializadas de células Th, incluindo as células Th1, Th2 e Th17, desenvolveram-se para cobrir a enorme variedade de potenciais agentes patogénicos e para serem capazes de reagir de forma óptima a diferentes condições. Todas elas se diferenciam de células T CD4+ naive após o contacto inicial com agentes patogénicos ou células apresentadoras de antigénios (APCs). Dependendo da população de células Th, são segregadas determinadas citocinas que actuam sobre outras células como parte do ambiente externo, desencadeando assim vários processos imunológicos. A subdivisão das células Th em diferentes populações baseia-se principalmente na expressão de determinados factores de transcrição, na apresentação de moléculas de superfície e na produção de citocinas específicas. Os factores de transcrição determinam essencialmente a diferenciação das células T CD4+ naive no respetivo tipo de célula Th e controlam a expressão genética para o cumprimento das respectivas funções efectoras. Para as células Th1, é principalmente o fator de transcrição T-BET que induz a produção da citocina Th1 IFNγ. Em contrapartida, as células Th2 caracterizam-se pela expressão de GATA3 e pela secreção de IL-4, IL-5 e IL-13, enquanto as células Th17 apresentam o fator de transcrição RORγt e a produção de IL-17 e IL-22. Este artigo centra-se num olhar mais atento à população de células Th1 e salienta as diferenças em relação a outros tipos de células Th.

Células Th1 entre a resposta imunitária eficaz e as doenças auto-imunes

Após a maturação das células T no timo, as células T CD4+ naive circulam pelo corpo e encontram APCs nos órgãos linfóides secundários. Quando as APCs apresentam um epítopo nos seus receptores MHCII que uma célula T reconhece através do seu recetor de células T (TCR), a célula T é activada após uma coestimulação bem sucedida. O metabolismo da célula T altera-se então drasticamente de forma a cobrir as necessidades energéticas acrescidas e a preparar a célula para a expansão clonal que se aproxima. Além disso, as citocinas presentes no ambiente, como a IL-12, que é segregada por células dendríticas ou macrófagos, activam programas de diferenciação específicos para polarizar a célula na direção Th1. Os factores de transcrição induzidos TBET, STAT1 e STAT4 activam a produção de IFNγ, que, por sua vez, amplifica e mantém a atividade de TBET através de um ciclo de feedback positivo. A expressão de factores de transcrição específicos de Th1 numa população de células Th1 inibe, até certo ponto, a diferenciação de outras subpopulações, o que conduz a uma resposta imunitária direccionada. O TBET, por exemplo, inibe a transcrição de GATA3 e leva a alterações epigenéticas que tornam o locus IFNγ mais acessível, enquanto o locus que codifica as citocinas Th2 IL-4 e IL-13 é reprimido por transcrição. As proteínas CXCR3 e CCR5 expressas na superfície das células Th1 activadas permitem, entre outras coisas, a migração das células Th1 activadas dos órgãos linfóides secundários para o local da infeção. As células Th1 continuam a segregar IFNγ e activam os macrófagos, que eliminam os agentes patogénicos intracelulares (Fig. 1). As moléculas de oxigénio reativo e as enzimas activadas formadas no processo podem também afetar o tecido circundante. As células Th1 também produzem TNF e induzem a produção de TNF, IL-1 e quimiocinas noutras células, como os macrófagos. Como resultado, promovem um ambiente pró-inflamatório e levam ao recrutamento de mais células imunitárias. Sem um controlo adequado da resposta imunitária, pode ocorrer uma inflamação crónica. No entanto, as células Th1 também são capazes de produzir IL-10, que contraria este desenvolvimento.

As células Th1 desempenham um papel particularmente importante na defesa contra agentes patogénicos intracelulares, como várias bactérias e vírus, enquanto as células Th2 são geralmente importantes para a defesa humoral contra parasitas, como os vermes. A relação entre as quantidades de diferentes citocinas pode fornecer informações sobre o curso de uma infeção. Por exemplo, os parasitas intracelulares, como a Leishmania, induzem normalmente uma resposta dominada por Th1. Os doentes com níveis mais elevados de citocinas Th1, como o IFNγ, apresentam uma melhor evolução da leishmaniose cutânea do que os doentes com níveis mais elevados de citocinas Th2, como a IL-4. Uma resposta Th1-Th2 equilibrada parece desempenhar um papel especialmente nas fases iniciais da infeção [1]. As perturbações na resposta imunitária Th1 regular conduzem a uma maior suscetibilidade a determinadas bactérias e vírus; os doentes com mutações no recetor IFNγ são susceptíveis a infecções por micobactérias ou salmonelas.

A identificação de genes associados a imunodeficiências contribuiu para a elucidação das vias de sinalização e das funções das células imunitárias. A supressão ou eliminação selectiva de genes em modelos animais é também útil para decifrar as funções dos genes e diferenciar os contributos de cada célula e as suas tarefas. Uma resposta imunitária equilibrada, eficaz e controlada é crucial não só para a defesa contra os agentes patogénicos, mas também para a prevenção de doenças auto-imunes. As células Th1 desempenham um papel central nas doenças auto-imunes, como a artrite reumatoide, a diabetes de tipo 1 e a esclerose múltipla. As células Th17 estão também frequentemente envolvidas na patogénese das doenças auto-imunes. Em geral, quanto melhor compreendermos os processos de diferenciação e ativação das células T como um todo e das subpopulações em particular, melhor poderemos compreender como são alterados em várias doenças e encontrar formas de os influenciar a longo prazo.

Expressão dos genes e mecanismos de regulação

Embora na investigação molecular as alterações na abundância de ARN sejam frequentemente consideradas como um indicador dos processos celulares, a expressão genética é um processo complexo com diversos mecanismos de regulação (Fig. 2) . Em última análise, são sobretudo as proteínas, as suas actividades, modificações, localização subcelular e interacções que determinam o estado de uma célula ou de um organismo inteiro. Um dos mecanismos de regulação dos níveis proteicos é o controlo da tradução, o que significa que os ARNm são traduzidos mais ou menos em função das condições. Esta situação afecta principalmente os sistemas em que as células têm de se adaptar rapidamente a novas condições, como é o caso da ativação e diferenciação das células T. Outros mecanismos de regulação estão relacionados com as próprias proteínas, que podem ser modificadas após a sua síntese e dobragem por modificações pós-traducionais (PTM) ou por clivagem proteolítica, ou novamente removidas por degradação proteica direccionada. Para além da fosforilação, os PTM menos conhecidos, como a prenilação e a palmitoilação, em que várias moléculas lipídicas são ligadas às proteínas, também desempenham um papel decisivo na diferenciação e funcionalidade das células Th. Isto mostra que a análise de diferentes moléculas e mecanismos reguladores é indispensável para uma compreensão abrangente dos processos celulares.

Análises ómicas

As tecnologias ómicas representam um grupo abrangente de abordagens analíticas que permitem que as células sejam analisadas em pormenor a diferentes níveis moleculares. Estes níveis incluem principalmente o genoma, o transcriptoma, o proteoma e o metaboloma, cada um dos quais compreende a totalidade do ADN, dos ARNs transcritos, das proteínas e dos metabolitos presentes na célula. As aplicações das suas análises incluem, por exemplo, a sequenciação do genoma completo para a genómica, a sequenciação do transcriptoma completo para a transcriptómica e a espetrometria de massa para a proteómica e a metabolómica. Em cada área, existe uma variedade de técnicas e aplicações adicionais que permitem outras nuances e visam analisar diferentes processos celulares. Uma aplicação adicional que desempenha um papel importante na nossa própria investigação sobre as células Th1 é o perfil do ribossoma para determinar o translatoma. Isto envolve a análise das secções de ARN que são efetivamente traduzidas. Após a rutura das células, o extrato é tratado com RNases, que degradam todo o ARN, exceto as secções que se encontram no interior dos ribossomas alongados e que, por isso, estão protegidas. Em etapas experimentais posteriores, estes pedaços de ARN são purificados, processados e finalmente sequenciados. Isto dá-lhe uma imagem exacta da tradução num determinado momento. Ao nível das proteínas, podem ser utilizados vários métodos para analisar o turnover, a modificação com PTMs e até a sua conformação. A aplicação de vários métodos ómicos, o desenvolvimento de tecnologias cada vez melhores e mais sensíveis e a integração dos dados recolhidos estão a abrir gradualmente os processos regulados da célula.

Nas secções seguintes, apresentaremos, sem pretendermos ser exaustivos, algumas inovações metodológicas interessantes e resultados da literatura e da nossa própria investigação que foram obtidos utilizando várias tecnologias ómicas no domínio da investigação das células T.

Translatômica

Os dados de tradução de ARN obtidos por perfilagem de ribossomas podem ser combinados com os dados de sequenciação de ARN correspondentes para determinar a eficiência de tradução de transcritos específicos. Isto fornece informações sobre a eficiência com que os vários RNAs são traduzidos. Atualmente, existem apenas alguns estudos que utilizam este método em células T. Meyers e colegas [2] utilizam o perfil dos ribossomas para investigar a influência de uma mutação na via de sinalização mTOR nas células T CD4+ naive. Num estudo realizado por Manfrini e colegas [3], o controlo translacional dos processos metabólicos foi investigado numa amostra de células Th1 durante uma semana após a estimulação de células T CD4+ naive. Na nossa investigação, utilizámos o perfil dos ribossomas em combinação com a sequenciação de ARN e a proteómica para investigar as alterações durante a diferenciação de células T CD4+ naïve em células Th1. Curiosamente, a análise das alterações na eficiência de tradução em diferentes momentos mostrou que várias proteínas são reguladas por tradução no processo biológico de prenilação de proteínas.

O perfil do ribossoma também pode ser utilizado para descobrir eventos de tradução previamente desconhecidos e, assim, novos alvos potenciais para influenciar a diferenciação das células T. Tal como descrito na revisão de Della Bella, Koch e Baerenfaller [4], muitos microRNAs funcionais e ncRNAs longos que influenciam a ativação e a diferenciação das células T estão escondidos nos chamados RNAs não codificantes (ncRNAs). Além disso, muitas vezes também contêm quadros de leitura abertos curtos (sORF), ou seja, segmentos de sequência de ARN que codificam menos de 100 aminoácidos. Já foi demonstrado em vários organismos e sistemas celulares que a tradução destes sORFs pode conduzir a polipéptidos funcionais codificados por sORFs (SEP), para além das tarefas de regulação. Com base nos nossos dados de perfil de ribossomaspara a diferenciação de células Th1, conseguimos identificar várias dessas SEP. Uma vez que muitos dos processos reguladores são conservados, pode assumir-se que estas SEP desempenham um papel na diferenciação das células Th1. No entanto, o seu papel exato ainda não foi investigado.

Proteómica

Tal como demonstrado, por exemplo, por Wolf e colegas [5], a proteómica, em combinação com outras tecnologias ómicas, pode fornecer informações mais aprofundadas sobre os processos celulares envolvidos na ativação das células T CD4+. No seu estudo, os investigadores activaram in vitro células T CD4+ humanas naive de forma inespecífica e analisaram o proteoma das células em diferentes momentos, utilizando a espetrometria de massa. Os dados proteómicos foram depois combinados com dados de sequenciação de ARN, dados de ligação a factores de transcrição e dados epigenéticos sobre a acessibilidade do ADN. Isto permitiu-lhes mostrar como as células T CD4+ naive estão exteriormente dormentes mas prontas a adaptar-se rapidamente às suas novas tarefas quando activadas. Isto deve-se ao facto de sintetizarem e degradarem continuamente um pequeno grupo de proteínas, incluindo muitos factores de transcrição, como ETS1, LEF-1, FOXP1, KLF-2 ou TCF-1. Além disso, foi demonstrado que as células T CD4+ naive contêm muitos ribossomas inactivos no citoplasma, que traduzem RNAs após a ativação, cuja tradução foi suprimida até esse momento. A CD69 é uma das proteínas cuja tradução é inibida, mas é rapidamente encontrada na superfície celular após a ativação. Embora se soubesse anteriormente que as células T CD4+ naïve adaptam rapidamente a expressão do ARN e das proteínas após a ativação e remodelam drasticamente o seu metabolismo, estes resultados ilustram de forma impressionante que a regulação translacional e a degradação orientada das proteínas contribuem para regular estes processos.

Na nossa investigação, determinámos as proteínas que são reguladas durante a diferenciação e ativação das células Th1. Além disso, enriquecemos e identificámos proteínas preniladas para recolher informações sobre esta modificação pós-traducional durante os processos. A comparação das proteínas diferencialmente preniladas com as medições de todo o proteoma permitiu-nos identificar as proteínas que são diferencialmente preniladas durante a ativação das células Th1. Das proteínas identificadas, muitas já eram conhecidas por serem preniladas, como os membros da família da proteína G, incluindo as proteínas RAS e RAB. Estes influenciam a diferenciação e a ativação das células T, mas também desempenham, naturalmente, funções importantes noutros tipos de células. O bloqueio da atividade, especialmente do RAS, através de várias intervenções farmacológicas, como a inibição da prenilação, tem sido amplamente estudado, especialmente no domínio da oncologia, mas com sucesso limitado até agora. Por outro lado, o lonafarnib, que impede um subtipo de prenilação, está autorizado na UE para o tratamento da progeria desde 2022. É interessante notar que as proteínas preniladas identificadas nos nossos dados também incluem proteínas que não contêm o motivo típico de prenilação no terminal C da proteína.

A sequência bioinformática e as análises estruturais revelaram, por um lado, novos motivos de prenilação no terminal C da proteína e, por outro, prenilação em cisteínas dentro da sequência da proteína. Uma vez que a prenilação das proteínas está intimamente ligada à sua localização e função, este facto fornece novos conhecimentos sobre os vários mecanismos reguladores durante a ativação das células Th1. Em geral, os métodos descritos permitem registar a influência global do bloqueio da prenilação no proteoma e no preniloma. Isto permite reconhecer e controlar os efeitos desejados e indesejados das terapias nas células. Para a inibição direccionada de proteínas, o conhecimento da sua estrutura 3D é uma grande vantagem. Graças aos enormes progressos no domínio da análise estrutural, a estrutura de uma proteína pode agora ser prevista com base em sequências de proteínas. Um exemplo disto é o CXCR3, um recetor acoplado à proteína G (GPCR), que também é conhecido como um marcador de superfície das células Th1 e cuja sinalização é mediada por proteínas preniladas recentemente identificadas e conhecidas, entre outras. A estrutura do CXCR3 ainda não foi decifrada utilizando métodos experimentais convencionais, mas está agora disponível como uma previsão (Fig. 3). A estrutura de muitas outras proteínas de membrana também se tornou acessível desta forma. Isto também facilita a conceção de moléculas para as influenciar especificamente. No caso do CXCR3, isto pode ter algum potencial terapêutico.

Análise de células individuais

As características supramencionadas das diferentes populações de células Th e os resultados das diferentes tecnologias ómicas baseiam-se sobretudo na análise de muitas células diferentes da mesma população. Isto esbate as diferenças entre as células individuais, embora estas não sejam homogéneas. Por exemplo, estabeleceu-se relativamente cedo, utilizando métodos como a citometria de fluxo, que existem células Th que expressam tanto a citocina IFNγ típica de Th1 como a IL-17 típica de Th17, o que confunde as populações originalmente definidas. Além disso, existe uma certa plasticidade entre as diferentes populações de células Th, como as células Th1 e Th17. Isto significa que as células Th podem mudar a sua identidade funcional em função de alterações nas condições externas. Outros factores, como a intensidade do sinal do TCR após a ativação, a apresentação do epítopo ou as condições epigenéticas, também influenciam a diferenciação das células Th e, consequentemente, o seu comportamento. O desenvolvimento de vários métodos ómicos, nomeadamente a sequenciação de ARN de uma única célula (scRNA-Seq) e a citometria de massa, permitiu a análise diferenciada de populações celulares mais complexas.

Citometria de massa

A citometria de massa, também conhecida como CyTOF, é uma tecnologia que detecta múltiplas proteínas predefinidas num grande número de células individuais e tem uma elevada sensibilidade e precisão na quantificação. Um painel predefinido de proteínas é marcado com anticorpos acoplados a metais pesados. Tortola e colegas [6] utilizaram a citometria de massa para analisar a expressão de citocinas em diferentes células Th, a fim de analisar a diversidade das respostas das células Th geradas in vitro e em modelos animais. Observaram uma grande heterogeneidade de respostas de citocinas nas subpopulações de células Th. Por exemplo, num modelo de ratinho para a gripe A, como esperado, foram detectadas células Th com um fenótipo Th1 com expressão de IFNγ. No entanto, dentro desta população havia diferenças na expressão de TNF, GM-CSF, IL-10 e IL-2 e algumas células IFNγ positivas também produziam IL-13.

Uma vez que mesmo as células diferenciadas in vitro não apresentavam padrões uniformes de expressão de citocinas, coloca-se a questão de saber quais os padrões de expressão que reconhecemos como populações de células e não como estados celulares. In vivo, as circunstâncias da diferenciação das células T são ainda menos uniformes, uma vez que os seres humanos não crescem em condições isoladas e estéreis e têm contacto com microrganismos ao longo da sua vida e experimentam várias doenças infecciosas, o que molda a resposta imunitária. Por conseguinte, é extremamente importante analisar as funções das células Th em sistemas mais complexos. Um estudo do grupo de Joller [7] investigou os efeitos de infecções heterólogas sequenciais na resposta imunitária num modelo de ratinho. A citometria de massa demonstrou que as células de memória Th1 geradas após uma infeção viral também têm um efeito protetor em infecções bacterianas subsequentes e que as células de memória podem assim responder rapidamente a um desafio heterólogo.

Sequenciação de ARN de célula única

O ScRNA-Seq seguido de análises de agrupamento e a atribuição de populações de células individuais a agrupamentos específicos tornou-se um método extremamente popular nos últimos anos, permitindo análises abrangentes e cada vez mais sofisticadas e a proclamação constante de novas populações de células. Para identificar diferenças relevantes nas populações de células nos dados scRNA-Seq, os diferentes tipos de células devem ser incluídos numa referência utilizada para comparação. Este facto pode ser limitativo quando se analisam amostras de doentes, que podem ter populações de células específicas da doença. Andreatta e colegas [8] criaram, por conseguinte, um atlas de referência para as células T com base em dados scRNA-Seq. Além disso, desenvolveram um método para comparar os dados scRNA-Seq recentemente gerados com o atlas de referência. Isto permite identificar diferenças relevantes, mesmo que nem todos os estados das células estejam incluídos na referência.

Sequenciação de RNA de célula única combinada com sequenciação de receptores de células T

Destaca-se aqui o método de análise combinada de dados de scRNA-Seq com a sequenciação de célula única do TCR da mesma célula. Isto permite o rastreio da expansão clonal de determinadas células T, juntamente com a determinação do seu perfil de transcrição associado. Isto foi utilizado, por exemplo, para seguir o desenvolvimento de timócitos humanos e descobrir tendências na recombinação VDJ de células T [9]. No seu estudo, Cano-Gamez e colegas [10] analisaram a diferenciação das células Th1 humanas utilizando scRNA-Seq e proteómica e integraram-na com um conjunto de dados de sequenciação de TCR publicado. O foco foi o efeito das citocinas nas células T CD4+ naive e de memória. A análise dos padrões de expressão específicos do tipo de célula e dos estados celulares revelou um gradiente transcricional desde as células T CD4+ naïve até às células de memória T efectoras.

Ciência dos dados

Como já foi demonstrado várias vezes, a integração de diferentes tipos de dados gerados por diferentes métodos permite obter resultados interessantes. Um aspeto importante no planeamento de tais experiências multiómicas é o enfoque na análise subsequente dos dados, o que torna muitas vezes indispensável a adaptação e o desenvolvimento de novos métodos bioinformáticos. Ao integrar diferentes tipos de dados ou conjuntos de dados de diferentes laboratórios, existem também desvios relacionados com o protocolo que podem ter influência nos resultados subsequentes. Por conseguinte, é de grande importância aplicar a normalização aos protocolos laboratoriais e à análise de dados, normalizar os dados e utilizar métodos adequados para completar os dados em falta e integrar os dados. Uma conceção experimental hábil, com múltiplas amostras da mesma réplica biológica em diferentes condições ou em diferentes momentos, pode ajudar a reduzir o enviesamento e a variância, de modo a que as diferenças reais entre grupos possam ser reveladas.

Por outro lado, a riqueza dos dados e o número crescente de amostras também permitem modelizar processos complexos e aplicar a aprendizagem automática. Isto permite que os biomarcadores ou outros padrões relevantes sejam reconhecidos em conjuntos de dados grandes e complexos. Rade e colegas [11] analisaram os dados do transcriptoma de 224 amostras de conjuntos de dados disponíveis publicamente de diferentes populações de células Th CD4+ com o objetivo de descobrir assinaturas de genes estáveis e consistentes em diferentes momentos em todas as populações de células T. Identificaram assinaturas de biomarcadores da ativação das células Th com perfis de expressão genética resolvidos no tempo de 521 genes relevantes. Num outro estudo, Puniya e colegas [12] utilizaram um modelo mecanicista para prever a diferenciação das células T em várias condições ambientais que ainda não tinham sido investigadas experimentalmente. O modelo previu fenótipos clássicos e mistos de células T que co-expressam factores de transcrição de diferentes populações de células T diferenciadas. Estes são apenas alguns exemplos de como as análises bioinformáticas podem fornecer novos conhecimentos sobre a diferenciação e ativação das células T.

Perspectivas

Com o advento das tecnologias ómicas, tornou-se possível estudar mais detalhadamente a diferenciação e a ativação das células Th1 e de outras populações de células T, contribuindo para uma compreensão mais abrangente destas células e da resposta imunitária. No futuro, à medida que os métodos forem sendo aperfeiçoados e desenvolvidos, surgirão certamente novos conhecimentos sobre a diferenciação e a ativação das células T. Isto abre a possibilidade de identificar biomarcadores para o diagnóstico e controlo terapêutico de doenças imunológicas e de encontrar novas abordagens terapêuticas para as influenciar.

Literatura:

1. 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.
2. 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.
3. 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.
4. Della Bella E, Koch J, Baerenfaller K: Translation and emerging functions of non-coding RNAs in inflammation and immunity. Allergy 2022; 77: 2025–2037.
5. Wolf T, et al.: Dynamics in protein translation sustaining T cell preparedness. Nat Immunol 2020; 21: 927–937.
6. 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.
7. 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.
8. Andreatta M, et al.: Interpretation of T cell states from single-cell transcriptomics data using reference atlases. Nat Commun 2021; 12: 2965.
9. Park JE, et al.: A cell atlas of human thymic development defines T cell repertoire formation. Science 2020; 367: eaay3224.
10. 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.
11. Rade M, et al.: A time-resolved meta-analysis of consensus gene expression profiles during human T-cell activation. Genome Biology 2023; 24: 287.
12. 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.

Leitura adicional:

• 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