MétaCan
Menu
Retour à la cohorte
Enregistrement W1645565655 · doi:10.3791/53053

Immunofluorescence to Monitor the Cellular Uptake of Human Lactoferrin and its Associated Antiviral Activity Against the Hepatitis C Virus

2015· article· en· W1645565655 sur OpenAlexafffund
Andréa Allaire, Frédéric Picard‐Jean, Martin Bisaillon

Notice bibliographique

RevueJournal of Visualized Experiments · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGlycosylation and Glycoproteins Research
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésImmunofluorescenceAntibodyLactoferrinBiologyConfocal microscopyFluorescence microscopeVirusVirologyCell biologyImmunologyFluorescenceBiochemistry

Résumé

récupéré en direct d'OpenAlex

Immunofluorescence is a laboratory technique commonly used to study many aspects of biology. It is typically used to visualize the distribution and/or localization of a target molecule in cells and tissues. Immunofluorescence relies on the specificity of fluorescent-labelled antibodies against their corresponding antigens within a cell. Both direct and indirect immunofluorescence approaches can be used which rely on the use of antibodies linked with a fluorochrome. Direct immunofluorescence is less frequently used because it provides lower signal, involves higher cost and less flexibility. In contrast, indirect immunofluorescence is more commonly used because of its high sensitivity and provides an amplified signal since more than one secondary antibody can attach to each primary antibody. In this manuscript, both epifluorescence microscopy and confocal microscopy were used to monitor the internalization of human lactoferrin, an important component of the immune system, into hepatic cells. Moreover, we monitored the inhibitory potential of hLF on the intracellular replication of the Hepatitis C virus using immunofluorescence. Both the advantages and disadvantages associated with these approaches are discussed.

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 distillée sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,011
Score d'incertitude au seuil0,290

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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)0,0000,000

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 Opus0,045
Tête enseignante GPT0,410
Écart entre enseignants0,365 · 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 tête enseignante, 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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Visualized ExperimentsMême sujetGlycosylation and Glycoproteins ResearchTravaux en français237 207