MétaCan
Menu
Retour à la cohorte
Enregistrement W2147124328 · doi:10.1111/ctr.12549

Use of IVIg to identify potential miRNA targets for allograft rejection and GvHD therapy

2015· article· en· W2147124328 sur OpenAlexaff
Lauriane Padet, Lionel Loubaki, Renée Bazin

Notice bibliographique

RevueClinical Transplantation · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueTransplantation: Methods and Outcomes
Établissements canadiensUniversité LavalHéma-Québec
Organismes subventionnairesnon disponible
Mots-clésMedicinemicroRNACD80ImmunologyTransplantationGraft-versus-host diseaseCytokineIn vitroGeneInternal medicineCD40BiologyCytotoxic T cell

Résumé

récupéré en direct d'OpenAlex

Allograft rejection (AR) and graft-versus-host disease (GvHD) are serious complications following transplantation. Micro-RNAs (miRNAs) have recently been identified as key players in the regulation of these disorders. Because intravenous immunoglobulin (IVIg) has shown therapeutic potential for the prophylaxis and post-transplant reduction of AR and GvHD, we hypothesized that the effect of IVIg could result from the modulation of specific miRNA expression. To identify such miRNA, we performed mixed lymphocyte reactions (MLRs) as an in vitro model of AR and GvHD, with or without IVIg. We herein show that IVIg strongly inhibits the MLRs. This inhibition is associated with a modulation in the expression of miRNAs implicated in the regulation of pro-inflammatory cytokine (IL-2, IL-6, IFN-γ) and costimulatory molecule (CD80) expression. We propose that these identified miRNAs could represent potential therapeutic targets for the prevention and therapy of AR and GvHD.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,468
Score d'incertitude au seuil0,413

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 Opus0,303
Tête enseignante GPT0,496
Écart entre enseignants0,192 · 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'étudeObservationnel
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

Citations2
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical TransplantationMême sujetTransplantation: Methods and OutcomesTravaux en français237 207