MétaCan
Menu
Retour à la cohorte
Enregistrement W2134178181 · doi:10.14785/lpsn-2014-0014

Host–microbe interactions in the gut: lessons learned from models of inflammatory bowel diseases

2014· article· en· W2134178181 sur OpenAlexaffvenue
Eytan Wine

Notice bibliographique

RevueLymphoSign Journal · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésInflammatory bowel diseaseGut floraDiseaseImmune systemBiologyPathogenesisImmunologyInnate immune systemHost (biology)Acquired immune systemMedicineGeneticsPathology

Résumé

récupéré en direct d'OpenAlex

The mammalian gut is the richest immune organ in the body and serves as a central location for immune system development, processing, and education. Inflammatory bowel diseases (IBD) provide excellent models for studying both innate and adaptive responses to gut microbes and the host-immune system – microbe interactions in the gut. Microbes are linked to almost all of the known disease-associated genetic polymorphisms in IBD and are critical mediators of environmental effects (through food, hygiene, and infection). Human and animal-based research supports the central role of microbes in IBD pathogenesis at multiple levels. Animal models of IBD only develop in the presence of microbes, and co-housing mice that are genetically susceptible to gut inflammation with normal mice can lead to the development of bowel injury. Recent advances in research technologies, such as deep-sequencing that enables detailed compositional analyses, have revolutionized the study of host–microbe interactions in the gut; however, knowing which bacteria are present in the bowel is likely not sufficient. The function of the microbiota as a community is recognized as a critical factor for gut homeostasis. Animal models of IBD have provided critical insight into basic biology and disease pathogenesis, especially regarding the role of microbes in IBD pathogenesis. Although many of these recent discoveries on host–microbe interactions are not yet applied to patient care, these basic observations will certainly revolutionize patient care in the future. Using such data, we may be able to predict risk of disease, define biological subtypes, establish tools for prevention, and even cure IBD using microbes or their products. A broad spectrum of therapeutic tools spanning from fecal transplantation, probiotics, prebiotics, and microbial products to microbe-tailored diets may supplement current IBD treatments.

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)0,008
score de la tête « metaresearch » (Gemma)0,005
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,008
Score d'incertitude au seuil0,041

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0080,005
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,002
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,004
Communication savante0,0030,005
Science ouverte0,0020,002
Intégrité de la recherche0,0030,013
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,029
Tête enseignante GPT0,291
Écart entre enseignants0,262 · 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'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

Citations0
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueLymphoSign JournalMême sujetGut microbiota and healthTravaux en français237 207