MétaCan
Menu
Retour à la cohorte
Enregistrement W2529169580 · doi:10.3389/fimmu.2016.00401

Understanding Immune Cells in Tertiary Lymphoid Organ Development: It Is All Starting to Come Together

2016· review· en· W2529169580 sur OpenAlexaff
Gareth W. Jones, David Hill, Simon A. Jones

Notice bibliographique

RevueFrontiers in Immunology · 2016
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Cell Function and Interaction
Établissements canadiensInstitute of Infection and Immunity
Organismes subventionnairesMedical Research CouncilVersus ArthritisArthritis Research UK
Mots-clésImmune systemLymphatic systemImmunologyBiologyMedicine

Résumé

récupéré en direct d'OpenAlex

Tertiary lymphoid organs (TLOs) are frequently observed in tissues affected by non-resolving inflammation as a result of infection, autoimmunity, cancer, and allograft rejection. These highly ordered structures resemble the cellular composition of lymphoid follicles typically associated with the spleen and lymph node compartments. Although TLOs within tissues show varying degrees of organization, they frequently display evidence of segregated T and B cell zones, follicular dendritic cell networks, a supporting stromal reticulum, and high endothelial venules. In this respect, they mimic the activities of germinal centers and contribute to the local control of adaptive immune responses. Studies in various disease settings have described how these structures contribute to either beneficial or deleterious outcomes. While the development and architectural organization of TLOs within inflamed tissues requires homeostatic chemokines, lymphoid and inflammatory cytokines, and adhesion molecules, our understanding of the cells responsible for triggering these events is still evolving. Over the past 10-15 years, novel immune cell subsets have been discovered that have more recently been implicated in the control of TLO development and function. In this review, we will discuss the contribution of these cell types and consider the potential to develop new therapeutic strategies that target TLOs.

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 seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,044
Tête enseignante GPT0,273
Écart entre enseignants0,229 · 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

Citations159
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetImmune Cell Function and InteractionTravaux en français237 207