MétaCan
Menu
Retour à la cohorte
Enregistrement W2610140032 · doi:10.1038/ncomms15013

Exploiting induced pluripotent stem cell-derived macrophages to unravel host factors influencing Chlamydia trachomatis pathogenesis

2017· article· en· W2610140032 sur OpenAlexafffund
Amy Yeung, Christine Hale, Amy Huei‐Yi Lee, Erin E. Gill, Wendy Bushell, David Parry-Smith, David Goulding, Derek Pickard, Theodoros I. Roumeliotis, Jyoti S. Choudhary, Nick Thomson, William C. Skarnes, Gordon Dougan, Robert E. W. Hancock

Notice bibliographique

RevueNature Communications · 2017
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueReproductive tract infections research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health ResearchKillam TrustsWellcome Trust
Mots-clésBiologyChlamydia trachomatisInduced pluripotent stem cellTranscriptomePathogenMacrophageChlamydiaMicrobiologyImmunologyVirologyIn vitroGeneGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

Chlamydia trachomatis remains a leading cause of bacterial sexually transmitted infections and preventable blindness worldwide. There are, however, limited in vitro models to study the role of host genetics in the response of macrophages to this obligate human pathogen. Here, we describe an approach using macrophages derived from human induced pluripotent stem cells (iPSdMs) to study macrophage-Chlamydia interactions in vitro. We show that iPSdMs support the full infectious life cycle of C. trachomatis in a manner that mimics the infection of human blood-derived macrophages. Transcriptomic and proteomic profiling of the macrophage response to chlamydial infection highlighted the role of the type I interferon and interleukin 10-mediated responses. Using CRISPR/Cas9 technology, we generated biallelic knockout mutations in host genes encoding IRF5 and IL-10RA in iPSCs, and confirmed their roles in limiting chlamydial infection in macrophages. This model can potentially be extended to other pathogens and tissue systems to advance our understanding of host-pathogen interactions and the role of human genetics in influencing the outcome of infections.

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)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Études des sciences et des technologies
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,529
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0030,000
Communication savante0,0000,000
Science ouverte0,0020,001
Intégrité de la recherche0,0010,002
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 Opus0,053
Tête enseignante GPT0,329
Écart entre enseignants0,276 · 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'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

Citations61
Publié2017
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNature CommunicationsMême sujetReproductive tract infections researchTravaux en français237 207