Real-time <i>in vivo</i> imaging of fungal migration to the central nervous system
Notice bibliographique
Résumé
Recent technical advances have afforded valuable new insights into the pathogenesis of fungal infections in the central nervous system (CNS), which continue to cause devastating complications, particularly in immunocompromised individuals. To cause CNS mycosis, organisms such as Cryptococcus neoformans become blood borne and progress through a series of pathogenic checkpoints that culminate in fungal replication in the brain. Critical steps include fungal arrest in the vasculature of the brain, interaction and signalling of the fungal and endothelial cells leading to transmigration with subsequent parenchymal invasion and fungal replication in the CNS. Previous studies that made use of in vitro and ex vivo approaches contributed greatly to our understanding of brain invasion by fungi. However, the knowledge gained from previous studies relied on in vitro models that did not account for vascular haemodynamics. For this reason, more refined approaches that model blood flow and vascular anatomy are required, andultimately studying fungal invasion and dissemination in vivo. Indeed, in vivo imaging (also known as intravital imaging) has emerged as a valuable technique to probe host-pathogen interactions. In this review, with a focus on C. neoformans, we will provide an overview of the applications of the prior techniques and recent advances, their strengths and limitations in characterizing the migration of fungi into the brain, and unanswered questions that may provide new directions for research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».