<ddi:DDIInstance xmlns:xsi="http://www.w3.org/2001/XMLSchema-instance" xsi:schemaLocation="ddi:instance:3_3 http://ddialliance.org/Specification/DDI-Lifecycle/3.3/XMLSchema/instance.xsd" xmlns:xsd="http://www.w3.org/2001/XMLSchema" xmlns:ddi="ddi:instance:3_3" xmlns:r="ddi:reusable:3_3" xmlns:s="ddi:studyunit:3_3" xmlns:d="ddi:datacollection:3_3" xmlns:a="ddi:archive:3_3" xmlns:c="ddi:conceptualcomponent:3_3" xmlns:cm="ddi:comparative:3_3" xmlns:g="ddi:group:3_3" xmlns:l="ddi:logicalproduct:3_3" xmlns:p="ddi:physicaldataproduct:3_3" xmlns:pi="ddi:physicalinstance:3_3" xmlns:dc="http://purl.org/dc/elements/1.1/" xmlns:xhtml="http://www.w3.org/1999/xhtml" xmlns:xml="http://www.w3.org/XML/1998/namespace" isMaintainable="true" scopeOfUniqueness="Agency">
  <r:URN>urn:ddi:se.researchdata:2025-247:1</r:URN>
  <r:Agency>SND</r:Agency>
  <r:ID>2025-247</r:ID>
  <r:Version>1</r:Version>
  <g:ResourcePackage>
    <r:URN>urn:ddi:se.researchdata:2025-247.ResourcePackage:2.0</r:URN>
    <r:OtherMaterialScheme>
      <r:URN>urn:ddi:se.researchdata:2025-247.OtherMaterialScheme:2.0</r:URN>
    </r:OtherMaterialScheme>
    <a:OrganizationScheme>
      <r:URN>urn:ddi:se.researchdata:2025-247.OrganizationScheme-0:2.0</r:URN>
      <a:Individual>
        <r:URN>urn:ddi:se.researchdata:2025-247.Individual-0:2.0</r:URN>
        <r:UserAttributePair>
          <r:AttributeKey>affiliation</r:AttributeKey>
          <r:AttributeValue>Department of Medicine, Huddinge, Karolinska Institutet</r:AttributeValue>
        </r:UserAttributePair>
        <a:IndividualIdentification>
          <a:IndividualName>
            <a:FirstGiven>Jakob</a:FirstGiven>
            <a:LastFamily>Theorell</a:LastFamily>
            <a:FullName>
              <r:String>Jakob Theorell</r:String>
            </a:FullName>
          </a:IndividualName>
          <a:ResearcherID>
            <a:TypeOfID>ORCID</a:TypeOfID>
            <a:ResearcherIdentification>0000-0001-8752-3151</a:ResearcherIdentification>
          </a:ResearcherID>
        </a:IndividualIdentification>
      </a:Individual>
      <a:Individual>
        <r:URN>urn:ddi:se.researchdata:2025-247.Individual-0:2.0</r:URN>
        <r:UserAttributePair>
          <r:AttributeKey>affiliation</r:AttributeKey>
          <r:AttributeValue>Department of Clinical Neuroscience, Karolinska Institutet</r:AttributeValue>
        </r:UserAttributePair>
        <a:IndividualIdentification>
          <a:IndividualName>
            <a:FirstGiven>Fredrik</a:FirstGiven>
            <a:LastFamily>Piehl</a:LastFamily>
            <a:FullName>
              <r:String>Fredrik Piehl</r:String>
            </a:FullName>
          </a:IndividualName>
          <a:ResearcherID>
            <a:TypeOfID>ORCID</a:TypeOfID>
            <a:ResearcherIdentification>0000-0001-8329-5219</a:ResearcherIdentification>
          </a:ResearcherID>
        </a:IndividualIdentification>
      </a:Individual>
    </a:OrganizationScheme>
  </g:ResourcePackage>
  <s:StudyUnit>
    <r:URN>urn:ddi:se.researchdata:2025-247.StudyUnit:2.0</r:URN>
    <r:UserID typeOfUserID="datasetIdentifier">2025-247</r:UserID>
    <r:Citation>
      <r:Title>
        <r:String xml:lang="sv">Cellulära immun-endofenotyper som separerar myastenia gravis med tidig och sen debut</r:String>
        <r:String xml:lang="en">Cellular immune endophenotypes separating early and late-onset myasthenia gravis</r:String>
      </r:Title>
      <r:Creator>
        <r:CreatorReference>
          <r:URN>urn:ddi:se.researchdata:2025-247.Individual-0:2.0</r:URN>
          <r:TypeOfObject>Individual</r:TypeOfObject>
        </r:CreatorReference>
      </r:Creator>
      <r:Publisher>
        <r:PublisherName>
          <r:String xml:lang="sv">Karolinska Institutet</r:String>
          <r:String xml:lang="en">Karolinska Institutet</r:String>
        </r:PublisherName>
      </r:Publisher>
      <r:Publisher>
        <r:PublisherName>
          <r:String xml:lang="sv">Karolinska Institutet</r:String>
          <r:String xml:lang="en">Karolinska Institutet</r:String>
        </r:PublisherName>
      </r:Publisher>
      <r:PublicationDate>
        <r:SimpleDate>2025-10-28</r:SimpleDate>
      </r:PublicationDate>
      <r:InternationalIdentifier>
        <r:IdentifierContent>10.48723/9gg8-ry45</r:IdentifierContent>
        <r:ManagingAgency controlledVocabularyAgencyName="DOI">DOI</r:ManagingAgency>
      </r:InternationalIdentifier>
    </r:Citation>
    <r:Abstract>
      <r:Content xml:lang="sv">Detta dataset består av single-cell-omics-filer från 16 individer med myastenia gravis i olika stadier av sjukdomen och med varierande debutålder. Proverna har analyserats 8+8 på ett 10X Genomics  Chromium 3.0-system (https://www.10xgenomics.com/platforms/chromium) under två på varandra följande dagar och har sekvenserats i samma körning på ett NovaSeq-instrument (https://www.illumina.com/systems/sequencing-platforms/novaseq.html). För varje av de två experimentdagarna har datan först märkts med hash-taggar och därefter blandats. För att ytterligare komplicera det hela finns tre uppsättningar filer (= tre 10X-serienummer) för varje dag, där varje uppsättning innehåller celler som är en hashad blandning av alla åtta individer från den dagen. Vidare finns fyra olika typer av data tillgängliga för varje cell: RNA-sekvenser (GE), B-cellsreceptorsekvenser (ENRB), T-cellsreceptorsekvenser (ENRT) och RNA-märkta ytantikroppar för proteinbindning (HTO). Den sista delen innehåller ett set med 10 linjemarkör-antikroppar samt de så kallade "hashing"-antikropparna. Dessutom, med tanke på att varje filuppsättning består av fyra lanes, och varje lane har en fil per riktning, blir det totala antalet filer 6×4×4×2 = 192 filer.

De två stora undergrupperna av myastenia gravis (MG), en autoimmun sjukdom mot den neuromuskulära övergången, som är förknippad med muskelsvaghet, är Early- och Late onset MG, definierade utifrån debut före eller efter 50 års ålder. Båda formerna har autoantikroppar mot acetylkolinreceptorn, men skiljer sig åt vad gäller könsfördelning, genetik och förekomst av sjukdomsspecifik inflammation i thymus. Genom att använda multimodala tekniker, inklusive djup spektral cytometrisk fenotypning och sekvensering på enkelcellsnivå av perifert blod och thymusceller, undersökte vi möjligheten att särskilja de två formerna genom cellulär immunfenotypning. Se den engelska texten för ytterligare information.

Datasetet består av 192 filer i fastq-format, komprimerade med gzip, samt 42 filer i andra format (pdf, csv, docx och txt). Se dokumentationsfilerna Readme.txt och file_list.csv för mer information. Datasetets totala storlek är ca 450 GiB.</r:Content>
      <r:Content xml:lang="en">This dataset is made up of single-cell omics files from 16 individuals with myasthenia gravis at various stages of the disease and with differing disease onset age. The samples have been acquired 8+8 on a 10X Genomics Chromium 3.0 system (https://www.10xgenomics.com/platforms/chromium) on two consecutive days and all sequenced in a NovaSeq instrument (https://www.illumina.com/systems/sequencing-platforms/novaseq.html) in the same run. For each of the two experimental days, the data has been hash-tagged and then mixed. Complicating the matter somewhat, there are three sets of files (= three 10X serial IDs) for each day, each of whom contains cells that are a hashed mixture of all eight individuals from this day. Furthermore, four different kinds of data is available for each cell: RNA sequences (GE), B-cell receptor sequences (ENRB), T-cell receptor sequences (ENRT) and RNA-tagged surface-protein binding antibodies (HTO). The last portion contains a set of 10 lineage marker antibodies as well as the hashing antibodies. Further, considering that each set of files is made up of four lanes, and each lane has one file per direction, the total number of files is 6x4x4x2=192 files.

This is the abstract from the forthcoming publication: 
The two main subgroups of autoimmune myasthenia gravis, a neuromuscular junction disorder associated with muscle weakness, are the early and late-onset forms, defined by onset before or after 50 years of age. Both carry acetylcholine-receptor autoantibodies, but differ in sex ratios, genetics and occurrence of disease-specific thymus inflammation. By applying multimodal techniques, including deep spectral cytometric phenotyping and single cell sequencing to peripheral blood and thymocyte samples we explored the possibility to discriminate the two forms by cellular immune phenotyping. Analyzing two independent cohorts we identified distinct immunological differences driven by three main lymphocyte populations. Lower frequencies of mucosa-associated invariant T cells and naïve CD8 T cells were observed in late-onset myasthenia, suggesting enhanced immune senescence. Further, a highly differentiated, canonical natural killer cell population was reduced in early-onset myasthenia, which was negatively correlated with degree of thymic inflammation. Using only the frequency of these three populations, correct myasthenia subgroup assignment could be predicted with an accuracy of 90%. These findings identify diverging cellular immune phenotypes between early and late-onset disease, indicating distinct underlying immunopathogenic processes. Together with demographic and disease subgroup-specific features, this may improve clinical classification, in turn of relevance for channeling to interventions.

The dataset consists of 192 files in fastq format, compressed with gzip, and 42 files in other formats (pdf, csv, docx, and txt). Please, see documentations files, Readme.txt and file_list.csv, for details. The total size of the dataset is approximately 450 GiB.</r:Content>
    </r:Abstract>
    <r:Coverage>
      <r:TopicalCoverage>
        <r:URN>urn:ddi:se.researchdata:2025-247.TopicalCoverage:2.0</r:URN>
        <r:Subject xml:lang="en" controlledVocabularyID="1" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Natural Sciences</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="1" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Naturvetenskap</r:Subject>
        <r:Subject xml:lang="en" controlledVocabularyID="30105" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Neurosciences</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="30105" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Neurovetenskaper</r:Subject>
        <r:Subject xml:lang="en" controlledVocabularyID="30110" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Immunology in the Medical Area</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="30110" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Immunologi inom det medicinska området</r:Subject>
        <r:Subject xml:lang="en" controlledVocabularyID="30207" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Neurology</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="30207" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Neurologi</r:Subject>
        <r:Subject xml:lang="en" controlledVocabularyID="30226" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Autoimmunity and Inflammation</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="30226" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Autoimmunitet och inflammation</r:Subject>
        <r:Subject xml:lang="en" controlledVocabularyID="30117" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Medical Informatics</r:Subject>
        <r:Subject xml:lang="sv" controlledVocabularyID="30117" controlledVocabularyName="Standard för svensk indelning av forskningsämnen 2025">Medicinsk informatik</r:Subject>
        <r:Keyword xml:lang="en" controlledVocabularyID="D009157" controlledVocabularyName="MeSH">Myasthenia Gravis</r:Keyword>
        <r:Keyword xml:lang="sv" controlledVocabularyID="D009157" controlledVocabularyName="MeSH">Myasthenia gravis</r:Keyword>
        <r:Keyword xml:lang="en" controlledVocabularyID="G700" controlledVocabularyName="ICD-10">Myasthenia gravis</r:Keyword>
        <r:Keyword xml:lang="sv" controlledVocabularyID="G700" controlledVocabularyName="ICD-10">Myasthenia gravis</r:Keyword>
      </r:TopicalCoverage>
      <r:SpatialCoverage>
        <r:URN>urn:ddi:se.researchdata:2025-247.SpatialCoverage:2.0</r:URN>
        <r:Description>
          <r:Content xml:lang="en">The samples have all been collected at the Karolinska University Hospital Neurology department.</r:Content>
        </r:Description>
        <r:CountryCode>SE</r:CountryCode>
      </r:SpatialCoverage>
      <r:TemporalCoverage>
        <r:URN>urn:ddi:se.researchdata:2025-247.TemporalCoverage:2.0</r:URN>
        <r:ReferenceDate>
          <r:StartDate>2014</r:StartDate>
          <r:EndDate>2020</r:EndDate>
        </r:ReferenceDate>
      </r:TemporalCoverage>
    </r:Coverage>
    <r:AnalysisUnit controlledVocabularyID="AnalysisUnit" controlledVocabularyAgencyName="DDI Alliance">Individual<r:ControlledVocabularyURN>http://rdf-vocabulary.ddialliance.org/cv/AnalysisUnit/2.1.3/2dd4472</r:ControlledVocabularyURN></r:AnalysisUnit>
    <r:AnalysisUnitsCovered>
      <r:String xml:lang="en">Individual</r:String>
      <r:String xml:lang="sv">Individ</r:String>
    </r:AnalysisUnitsCovered>
    <a:Archive>
      <r:URN>urn:ddi:se.researchdata:2025-247.Archive:2.0</r:URN>
      <a:ArchiveSpecific>
        <a:Item>
          <a:Access>
            <r:URN>urn:ddi:se.researchdata:2025-247.Archive-ArchiveSpecificType-AccessType:2.0</r:URN>
            <a:TypeOfAccess controlledVocabularyName="info:eu-repo-Access-Terms vocabulary">restrictedAccess</a:TypeOfAccess>
          </a:Access>
          <a:DataFileQuantity>2</a:DataFileQuantity>
        </a:Item>
      </a:ArchiveSpecific>
    </a:Archive>
  </s:StudyUnit>
</ddi:DDIInstance>