MétaCan
Menu
Retour à la cohorte
Enregistrement W196934136 · doi:10.1007/978-1-59745-396-7_19

Use of Fluorescent Probes to Detect Lipid Signaling Intermediates in Macrophages

2009· article· en· W196934136 sur OpenAlexaff
Vivian Kwok, Éric Vachon, Gregory P. Downey

Notice bibliographique

RevueMethods in molecular biology · 2009
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiquePhagocytosis and Immune Regulation
Établissements canadiensToronto General HospitalUniversity of TorontoUniversity Health Network
Organismes subventionnairesnon disponible
Mots-clésCell biologyPhagocytosisSignal transductionPhosphatidylinositolCell signalingGreen fluorescent proteinBiologyPhosphorylationPhosphataseKinaseBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

To fulfill their function in host defense, professional phagocytes such as neutrophils and macrophages exhibit the ability to ingest (phagocytose), kill, and dispose of pathogenic microorganisms. Recent studies have provided strong evidence for the importance of membrane lipids such as polyphosphoinositides in these processes. In turn, reversible phosphorylation events, involving protein and lipid kinases and phosphatases, regulate signaling pathways involving metabolism of membrane lipids. Our ability to study lipid signaling events has been greatly facilitated by the development of fluorescent molecular imaging techniques. In particular, the expression of recombinant fusions of derivatives of the jellyfish-derived green fluorescent proteins (GFP) coupled to reporter molecules enables real-time monitoring of signaling events in live cells. Here, we discuss methods to monitor alterations in membrane polyphosphoinositides involved in signaling events regulating phagocytosis. To illustrate the use of this technology, we will focus on the role of protein tyrosine phosphatase MEG2 in phagocytosis and its modulation by phosphatidylinositol-3,4,5-triphosphate (PIP3). This approach enables investigators to ascertain the involvement of lipid intermediates in diverse signaling pathways.

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)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,027
Tête enseignante GPT0,357
Écart entre enseignants0,330 · 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
GenreMéthodes

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

En bref

Citations2
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMethods in molecular biologyMême sujetPhagocytosis and Immune RegulationTravaux en français237 207