MétaCan
Menu
Retour à la cohorte
Enregistrement W2165543146 · doi:10.1126/stke.3382006pe26

Differential Secretion of Cytokines

2006· review· en· W2165543146 sur OpenAlexaff
Redwan Moqbel, Jason J. Coughlin

Notice bibliographique

RevueScience s STKE · 2006
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular transport and secretion
Établissements canadiensUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésSecretionCell biologyDegranulationChemokineVesicleExocytosisSecretory VesicleBiologyImmunologyChemistryInflammationReceptorBiochemistryMembrane

Résumé

récupéré en direct d'OpenAlex

Eosinophil granules store a vast array of cytokines and chemokines, many of which possess opposing activities. Specific stimuli can induce the release of entire granules or selective mediators through a process termed piecemeal degranulation. Until recently, the mechanisms that governed the decision to opt for either of these processes were unknown. Recent research has identified a mechanism through which differential secretion occurs during piecemeal degranulation. Eotaxin stimulation of eosinophils induces the selective mobilization of the granule-stored alpha chain of the interleukin-4 (IL-4) receptor into secretory vesicles. This process selectively recruits IL-4 to these vesicles and facilitates its differential secretion. There is also recent evidence for a mechanism of differential mobilization and membrane fusion of secretory vesicles versus granules. These two compartments possess a different set of SNARE and Rab molecules as vesicle fusion and transport-docking proteins, respectively. This presumably allows differential regulation of the processes of mobilization and plasma membrane fusion. These findings provide a model to explain the mechanism by which eosinophils, and likely many other cell types, differentially secrete cytokines and chemokines.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0020,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,003

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 Opus0,019
Tête enseignante GPT0,289
Écart entre enseignants0,269 · 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

Citations71
Publié2006
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScience s STKEMême sujetCellular transport and secretionTravaux en français237 207