MétaCan
Menu
Retour à la cohorte
Enregistrement W2163178976 · doi:10.1128/cvi.05583-11

Human Endogenous Retrovirus K(HML-2) Gag- and Env-Specific T-Cell Responses Are Infrequently Detected in HIV-1-Infected Subjects Using Standard Peptide Matrix-Based Screening

2011· article· en· W2163178976 sur OpenAlexaff
R. Brad Jones, Vivek M. John, Diana V. Hunter, Eric S. Martin, Shariq Mujib, Vesna Mihajlovic, Peter C. Burgers, Theo M. Luider, Gábor Gyenes, Neil C. Sheppard, Devi SenGupta, Ravi Tandon, FengYun Yue, Erika Benko, Colin Kovacs, Douglas F. Nixon, Mario Ostrowski

Notice bibliographique

RevueClinical and Vaccine Immunology · 2011
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensUniversity of TorontoMaple Leaf Medical ClinicSt. Michael's Hospital
Organismes subventionnairesNational Institute of Allergy and Infectious Diseases
Mots-clésPeptideVirologyGroup-specific antigenRetrovirusBiologyEndogenyEndogenous retrovirusMolecular biologyHuman immunodeficiency virus (HIV)VirusGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

T-cell responses to human endogenous retrovirus (HERV) K(HML-2) Gag and Env were mapped in HIV-1-infected subjects using 15 mer peptides. Small peptide pools and high concentrations were used to maximize sensitivity. In the 23 subjects studied, only three bona fide HERV-K(HML-2)-specific responses were detected. At these high peptide concentrations, we detected false-positive responses, three of which were mapped to an HIV-1 Gag peptide contaminant. Thus, HERV-K(HML-2) Gag- and Env-specific T-cell responses are infrequently detected by 15 mer peptide mapping.

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 candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,412
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,081
Tête enseignante GPT0,301
Écart entre enseignants0,220 · 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.

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

Citations16
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical and Vaccine ImmunologyMême sujetvaccines and immunoinformatics approachesTravaux en français237 207