MétaCan
Menu
← Retour à la cohorte
Enregistrement W1549993049 · doi:10.4049/jimmunol.188.supp.106.27

HLA-DO promotes bacterial superantigen binding to MHC class II molecules (106.27)

2012· article· en· W1549993049 sur OpenAlexaff
Abdul Mohammad Pezeshki, Georges A. Azar, Lisa Denzin, Walid Mourad, Jacques Thibodeau

Notice bibliographique

RevueThe Journal of Immunology · 2012
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésCIITAMHC class IIHeLaSuperantigenMajor histocompatibility complexHuman leukocyte antigenCell biologyBiologyChemistryMolecular biologyAntigenT cellImmunologyCell cultureImmune systemGenetics

Résumé

récupéré en direct d'OpenAlex

Abstract HLA-DO (H2-O in mice) is an intracellular non-classical MHC class II molecule. It forms a stable complex with HLA-DM (H2-M in mice) and by regulating its activity shapes the peptide repertoire. Using a stable cell line overexpressing HLA-DO (HeLa-CIITA-DO), we show here that HLA-DO improved binding of SEA and TSST-1 superantigens (SAgs) to MHC class II molecules. Binding of SEB was not affected in these conditions. Exogenous pulsing of Class II-associated invariant chain peptide (CLIP) elucidate that CLIP is a major player in this process. Accordingly, HLA-DO knock-down using specific siRNA, decreased SEA and TSST-1 binding in HeLa-CIITA-DO cells. Furthermore, silencing of DM increased SEA and TSST-1 binding in HeLa-CIITA and 293-CIITA cells. Shutting down of Ii reversely decreased binding of SEA and TSST-1 in 293-CIITA cells. However, in HeLa-CIITA, Ii depletion just decreased SEA binding but does not affect TSST-1 binding. H2-O did not show the same boosting effect on SAgs binding in splenocytes. In conclusion, our results show that HLA-DO can improve SEA and TSST-1 binding in line with a role for CLIP in SAgs binding.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,014
Tête enseignante GPT0,245
Écart entre enseignants0,231 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Immunology→Même sujetImmunotherapy and Immune Responses→Travaux en français237 207→