Autoantibody Against Survivin in Patients with Systemic Sclerosis
Notice bibliographique
Résumé
OBJECTIVE: In patients with systemic sclerosis (SSc), to determine concentrations of antibodies against survivin and their clinical association with SSc, and to evaluate serum survivin concentrations. METHODS: Anti-survivin antibody was examined by ELISA and immunoblotting using human recombinant survivin. Serum survivin levels were assessed by ELISA. RESULTS: IgG but not IgM anti-survivin antibody levels in patients with SSc were significantly higher than those in healthy controls and patients with systemic lupus erythematosus (SLE). When cutoff values were set as mean + 2 SD of control, IgG anti-survivin antibodies were positive in 41% (25/61) of patients with SSc, while they were detected in only 1 healthy individual (3%, 1/29) and 1 patient with SLE (5%, 1/20). Regarding the clinical correlation, patients with SSc who were positive for IgG anti-survivin antibody exhibited significantly longer disease duration than those who were negative. Immunoblotting analysis confirmed the presence of anti-survivin antibody in sera from patients with SSc. Serum survivin levels in patients with SSc were also significantly higher than in controls and patients with SLE. CONCLUSION: Our results suggest that autoantibody against survivin is generated in patients with SSc, especially those with long disease duration.
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 | 0,002 |
| 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 | 0,000 | 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) | 0,002 | 0,000 |
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.
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 ».