MétaCan
Menu
Retour à la cohorte
Enregistrement W2077683628 · doi:10.1017/s1466252310000022

Immune responses against Marek's disease virus

2010· review· en· W2077683628 sur OpenAlexaff
Payvand Parvizi, Mohamed Faizal Abdul-Careem, Kamran Haq, Niroshan Thanthrige-Don, Karel A. Schat, Shayan Sharif

Notice bibliographique

RevueAnimal Health Research Reviews · 2010
Typereview
Langueen
DomaineMedicine
ThématiqueHerpesvirus Infections and Treatments
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésMarek's diseaseImmune systemVirusBiologyDiseaseInnate immune systemAcquired immune systemEpigeneticsImmunologyVirologyAntibodyFirst lineGeneticsMedicineGene

Résumé

récupéré en direct d'OpenAlex

It is more than a century since Marek's disease (MD) was first reported in chickens and since then there have been concerted efforts to better understand this disease, its causative agent and various approaches for control of this disease. Recently, there have been several outbreaks of the disease in various regions, due to the evolving nature of MD virus (MDV), which necessitates the implementation of improved prophylactic approaches. It is therefore essential to better understand the interactions between chickens and the virus. The chicken immune system is directly involved in controlling the entry and the spread of the virus. It employs two distinct but interrelated mechanisms to tackle viral invasion. Innate defense mechanisms comprise secretion of soluble factors as well as cells such as macrophages and natural killer cells as the first line of defense. These innate responses provide the adaptive arm of the immune system including antibody- and cell-mediated immune responses to be tailored more specifically against MDV. In addition to the immune system, genetic and epigenetic mechanisms contribute to the outcome of MDV infection in chickens. This review discusses our current understanding of immune responses elicited against MDV and genetic factors that contribute to the nature of the response.

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)0,009
score de la tête « metaresearch » (Gemma)0,003
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,939
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0090,003
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,002
Bibliométrie0,0010,002
Études des sciences et des technologies0,0010,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,004
Charge utile insuffisante (le modèle a refusé de juger)0,0010,008

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 Opus0,491
Tête enseignante GPT0,588
Écart entre enseignants0,097 · 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.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations31
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnimal Health Research ReviewsMême sujetHerpesvirus Infections and TreatmentsTravaux en français237 207