MétaCan
Menu
Retour à la cohorte
Enregistrement W2796814733 · doi:10.1097/01.qai.0000532489.63793.5b

A-108 The Contribution of memory CD4+ T cell subset phenotype to latency reversal efficiency

2018· article· en· W2796814733 sur OpenAlexaff
Deanna A. Kulpa, Aarthi Talla, Susan Pereira Ribeiro, Richard Barnard, Daria J. Hazuda, Nicolas Chomont, Rafick‐Pierre Sékaly

Notice bibliographique

RevueJAIDS Journal of Acquired Immune Deficiency Syndromes · 2018
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueHIV Research and Treatment
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésLatency (audio)BiologyPhenotypeEffectorImmunologyPopulationDownregulation and upregulationVirus latencyCell biologyGeneticsGeneVirusMedicineViral replicationComputer science

Résumé

récupéré en direct d'OpenAlex

The latent HIV reservoir persists in individuals on ART predominantly in memory CD4+ T cells, a heterogeneous population comprised of central memory (CM), transitional memory (TM) and effector memory (EM) subsets. Current HIV eradication strategies that aim to reverse latency in this heterogeneous pool of cells have had limited success. To characterize HIV latency reversal in all memory CD4+ T cell subsets that contribute to the HIV reservoir in vivo, we developed LARA (Latency and Reversion Assay), a primary cell based in vitro model of HIV latency. To identify pathways associated with latency reversal in each subset, we exposed latently infected cells from both HIV-infected individuals and LARA to different classes of latency reversing agents (LRAs). Memory subsets showed distinct responses that resulted in varying efficiencies to the LRAs tested. Importantly, the most effective LRAs triggered the differentiation into cells that expressed an EM phenotype. Transcriptional profiling of CD4+ T cells from HIV-infected individuals exposed to bryostatin, the LRA that showed the highest latency reversal, identified several EM specific pathways that were significantly upregulated in both the CM and EM subsets, including genes encoding for cytokines and effector molecules such as IFN-γ, IL-2, IL-4, and TNF. Together, these results support LRA exposure triggering differentiation toward an EM subset phenotype to be linked to higher latency reversal efficiency. Identification of these pathways is a critical prerequisite to understand factors that influence latency reversal in vivo as well as contributing to the most effective design of regimens capable of comprehensive reactivation of the HIV reservoir in eradication strategies.

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 enseignants0,002
Score d'incertitude au seuil0,008

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 recherche0,0000,001
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 Opus0,012
Tête enseignante GPT0,256
Écart entre enseignants0,244 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJAIDS Journal of Acquired Immune Deficiency SyndromesMême sujetHIV Research and TreatmentTravaux en français237 207