MétaCan
Menu
Retour à la cohorte
Enregistrement W2466242879 · doi:10.21767/2472-1158.100017

Epigenetics As The Driving Force In Long-Term Immunosuppression

2016· article· en· W2466242879 sur OpenAlexfundno aff
José Luis García Giménez, Nieves Carbonell

Notice bibliographique

RevueJournal of Clinical Epigenetics · 2016
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune cells in cancer
Établissements canadiensnon disponible
Organismes subventionnairesINCLIVA Instituto de Investigación SanitariaGrand Challenges CanadaGeneralitat ValencianaInstituto de Salud Carlos IIIMinisterio de Economía y Competitividad
Mots-clésEpigeneticsSepsisImmunosuppressionSeptic shockImmunologyBiologyImmune systemBioinformaticsMedicineIntensive care medicineGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Epigenetics is an emerging frontier of biology, with the potential for deciphering the intricate molecular and transcriptional cellular programs, therefore contributing to explain the pathological evolution of sepsis, one of the most elusive syndromes in medicine. The evolution of sepsis depends not only on the pathogen which originated the infection but also on the genetic and epigenetic background of the host. Short-term mortality of sepsis and septic shock is high, being considered a public health concern worldwide. Immunosuppression is the predominant driving force for morbidity and mortality in late deaths and long-term deaths of survivors from a sepsis episode. In this regard, apoptosis of immune cells and complex epigenetic reprogramming in immune and progenitor cells may contribute to the immunoparalysis observed in post-septic patients, who are prone to the apparition of new, opportunistic infections. Here, we review the literature and expose the most relevant results which explain the epigenetic programs contributing to the progression of sepsis. Furthermore, we revisit the role of circulating histones in the pathogenesis of sepsis and septic shock and finally we discuss about the therapeutic potential of epigenetic drugs in the treatment of sepsis.

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)0,003
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,271
Score d'incertitude au seuil0,953

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,031
Tête enseignante GPT0,369
Écart entre enseignants0,337 · 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

Citations9
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Clinical EpigeneticsMême sujetImmune cells in cancerTravaux en français237 207