DZ
David Zemmour
Author with expertise in Natural Killer Cells in Immunity
Achievements
Cited Author
Open Access Advocate
Key Stats
Upvotes received:
0
Publications:
13
(92% Open Access)
Cited by:
3,974
h-index:
24
/
i10-index:
27
Reputation
Biology
< 1%
Chemistry
< 1%
Economics
< 1%
Show more
How is this calculated?
Publications
0

Single-cell gene expression reveals a landscape of regulatory T cell phenotypes shaped by the TCR

David Zemmour et al.Feb 8, 2018
CD4+ T regulatory cells (Treg) are central to immune homeostasis, their phenotypic heterogeneity reflecting the diverse environments and target cells that they regulate. To understand this heterogeneity, we combined single-cell RNA-seq, activation reporter and T cell receptor (TCR) analysis to profile thousands of Treg or conventional CD4+FoxP3– T cells (Tconv) from mouse lymphoid organs and human blood. Treg and Tconv pools showed areas of overlap, as resting ‘furtive’ Tregs with overall similarity to Tconvs or as a convergence of activated states. All Tregs expressed a small core of FoxP3-dependent transcripts, onto which additional programs were added less uniformly. Among suppressive functions, Il2ra and Ctla4 were quasiconstant, inhibitory cytokines being more sparsely distributed. TCR signal intensity did not affect resting/activated Treg proportions but molded activated Treg programs. The main lines of Treg heterogeneity in mice were strikingly conserved in human blood. These results reveal unexpected TCR-shaped states of activation, providing a framework to synthesize previous observations of Treg heterogeneity. Regulatory T (Treg) cells have distinct transcriptional programs underpinning their suppressive functions. Benoist and colleagues use single-cell RNA-seq to describe the transcriptional landscape of Treg cells and the effects of T cell–receptor signaling.
0
Citation338
0
Save
0

Knowledge synthesis from 100 million biomedical documents augments the deep expression profiling of coronavirus receptors

AJ Venkatakrishnan et al.Mar 29, 2020
Abstract The COVID-19 pandemic demands assimilation of all available biomedical knowledge to decode its mechanisms of pathogenicity and transmission. Despite the recent renaissance in unsupervised neural networks for decoding unstructured natural languages, a platform for the real-time synthesis of the exponentially growing biomedical literature and its comprehensive triangulation with deep omic insights is not available. Here, we present the nferX platform for dynamic inference from over 45 quadrillion possible conceptual associations extracted from unstructured biomedical text, and their triangulation with Single Cell RNA-sequencing based insights from over 25 tissues. Using this platform, we identify intersections between the pathologic manifestations of COVID-19 and the comprehensive expression profile of the SARS-CoV-2 receptor ACE2. We find that tongue keratinocytes, airway club cells, and ciliated cells are likely underappreciated targets of SARS-CoV-2 infection, in addition to type II pneumocytes and olfactory epithelial cells. We further identify mature small intestinal enterocytes as a possible hotspot of COVID-19 fecal-oral transmission, where an intriguing maturation-correlated transcriptional signature is shared between ACE2 and the other coronavirus receptors DPP4 (MERS-CoV) and ANPEP (α-coronavirus). This study demonstrates how a holistic data science platform can leverage unprecedented quantities of structured and unstructured publicly available data to accelerate the generation of impactful biological insights and hypotheses. The nferX Platform Single-cell resource - https://academia.nferx.com/
0
Citation26
0
Save
Load More