MétaCan
Menu
Retour à la cohorte
Enregistrement W2417253274 · doi:10.1083/jcb.201511053

T cell activation requires force generation

2016· article· en· W2417253274 sur OpenAlexfundno aff
Kenneth H. Hu, Manish J. Butte

Notice bibliographique

RevueThe Journal of Cell Biology · 2016
Typearticle
Langueen
DomainePhysics and Astronomy
ThématiqueForce Microscopy Techniques and Applications
Établissements canadiensnon disponible
Organismes subventionnairesDivision of Chemical, Bioengineering, Environmental, and Transport SystemsNational Institute of General Medical SciencesChildren's Health Research InstituteNational Institutes of HealthNational Science Foundation
Mots-clésT-cell receptorStimulationCytoskeletonAtomic force microscopyCantileverActinBiophysicsT cellAntigenMicroscopyChemistryActin cytoskeletonImmunological synapseCell biologyReceptorCellMaterials scienceNanotechnologyBiologyPhysicsImmunologyBiochemistryImmune systemNeuroscienceOptics

Résumé

récupéré en direct d'OpenAlex

Triggering of the T cell receptor (TCR) integrates both binding kinetics and mechanical forces. To understand the contribution of the T cell cytoskeleton to these forces, we triggered T cells using a novel application of atomic force microscopy (AFM). We presented antigenic stimulation using the AFM cantilever while simultaneously imaging with optical microscopy and measuring forces on the cantilever. T cells respond forcefully to antigen after calcium flux. All forces and calcium responses were abrogated upon treatment with an F-actin inhibitor. When we emulated the forces of the T cell using the AFM cantilever, even these actin-inhibited T cells became activated. Purely mechanical stimulation was not sufficient; the exogenous forces had to couple through the TCR. These studies suggest a mechanical-chemical feedback loop in which TCR-triggered T cells generate forceful contacts with antigen-presenting cells to improve access to antigen.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,013
Tête enseignante GPT0,270
Écart entre enseignants0,257 · 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'étudeExpérimental (laboratoire)
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

Citations200
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of Cell BiologyMême sujetForce Microscopy Techniques and ApplicationsTravaux en français237 207