LGL Leukemia and HTLV
Notice bibliographique
Résumé
Samples were obtained from 53 large granular lymphocytic leukemia (LGLL) patients and 10,000 volunteer blood donors (VBD). Sera were screened in an HTLV-1 enzyme immunoassay (EIA) and further analyzed in peptide-specific Western blots (WB). DNAs were analyzed by HTLV-1, -2, -3, and -4-specific PCR. Forty four percent of LGLL patients vs. 0.12 % of VBD had anti-HTLV antibodies via EIA (p < 0.001). WB and PCR revealed that four LGLL patients (7.5%) vs. one VBD patient (0.01%) were infected with HTLV-2 (p < 0.001), suggesting an HTLV-2 etiology in a minority of cases. No LGLL patient was positive for HTLV-1, -3, or -4, whereas only one EIA-positive VBD was positive for HTLV-1 and none for HTLV-3 or -4. The HTLV EIA-positive, PCR-negative LGLL patients' sera reacted to epitopes within HTLV p24 gag and gp21 env. Other then the PTLV/BLV viruses, human endogenous retroviral element HERV K10 was the only sequence homologous to these two HTLV peptides, raising the possibility of cross-reactivity. Although three LGLL patients (5.7%) vs. none of 110 VBD patients tested positive for antibodies to the homologous HERV K10 peptide (p = 0.03), the significance of the anti-HTLV seroreactivity observed in many LGLL patients remains unclear. Interestingly, out of 36 HTLV-1-positive control subjects, 3 (8%) (p = 0.014) were positive for antibodies to HERV K10; all three had myelopathy. Out of 64 HTLV-2-positive control subjects 16 (25%) (p = <0.001) were positive for HERV K10 antibodies, and 4 (6%) of these had myelopathy. Out of 22 subjects with either HTLV-1 or -2 myelopathy, 7 (31.8%) were positive for HERV K10 antibodies, and out of 72 HTLV-infected subjects without myelopathy, 12 (16.7%) were positive for anti-HERV K10 antibodies (p = 0.11). The prevalence of anti-HERV K10 antibodies in these populations and the clinical implications thereof need to be pursued further.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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 ».