MétaCan
Menu
Retour à la cohorte
Enregistrement W2078658349 · doi:10.12938/bmfh.31.7

Identification of Immunopotentiating Lactic Acid Bacteria that Induce Antibody Production by <i>in vitro</i> Stimulated Human Peripheral Blood Mononuclear Cells

2012· article· en· W2078658349 sur OpenAlexaff
Makiko Yamashita, Akira HITAKA, Himiko FUJINO, Takashi Matsumoto, Takanori Hasegawa, Fumiki Morimatsu, Tsukasa Fujiki, Yoshinori Katakura

Notice bibliographique

RevueBioscience of Microbiota Food and Health · 2012
Typearticle
Langueen
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensConestoga Meat Packers (Canada)
Organismes subventionnairesnon disponible
Mots-clésPeripheral blood mononuclear cellTLR2AntibodyAntigenImmune systemAdjuvantChemistryIn vitroMolecular biologyBiologyMicrobiologyImmunologyBiochemistryInnate immune system

Résumé

récupéré en direct d'OpenAlex

L-leucyl-L-leucine methyl ester (LLME) is known to remove lysosome-rich cells from human peripheral blood mononuclear cells (PBMCs). To evaluate the immunopotentiating ability of lactic acid bacteria (LAB), we adopted the in vitro stimulation protocol of LLME-treated PBMCs as a model assay system and monitored the level of antibody produced by stimulated PBMCs. The results indicated that several LAB strains have immunopotentiating ability against PBMCs, as evidenced by the enhanced antibody production and increased number of antigen-specific B cells. Next, we identified T cells as the direct target cells of the immunopotentiating LAB strain L32, suggesting that L32 induced antibody production by PBMCs through T-cell activation. Finally, we tested the immunopotentiating ability of ligands for Toll-like receptor 2 (TLR2), which is known to mediate the LAB signal, and observed that both L32 and one of the TLR2 ligands, LTA-BS, induced antigen-specific antibody production by in vitro stimulated PBMC. This suggests that L32 and LTA-BS can be used as an adjuvant for stimulating immune reaction in PBMCs.

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 enseignants0,110
Score d'incertitude au seuil0,375

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 Opus0,022
Tête enseignante GPT0,256
Écart entre enseignants0,233 · 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

Citations1
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioscience of Microbiota Food and HealthMême sujetProbiotics and Fermented FoodsTravaux en français237 207