MétaCan
Menu
Retour à la cohorte
Enregistrement W2902840422 · doi:10.3389/fimmu.2018.02839

Galectin-Glycan Interactions as Regulators of B Cell Immunity

2018· review· en· W2902840422 sur OpenAlexaff
Nicholas Giovannone, Logan K. Smith, Bebhinn Treanor, Charles J. Dimitroff

Notice bibliographique

RevueFrontiers in Immunology · 2018
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueGalectins and Cancer Biology
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNational Cancer InstituteNational Institutes of HealthAlbert J. Ryan Foundation
Mots-clésGalectinGlycanCell biologyImmune systemGalectin-1BiologyGlycomeImmunityCellLectinGlycosylationImmunologyGlycoproteinBiochemistry

Résumé

récupéré en direct d'OpenAlex

Cell surface glycans and their glycan-binding partners (lectins) have generally been recognized as adhesive assemblies with neighbor cells or matrix scaffolds in organs and the blood stream. However, our understanding of the roles for glycan-lectin interactions in immunity has expanded substantially to include regulation of nearly every stage of an immune response, from pathogen sensing to immune contraction. In this Mini-Review, we discuss the role of the ß-galactoside-binding lectins known as galectins specifically in the regulation of B-lymphocyte (B cell) development, activation, and differentiation. In particular, we highlight several recent studies revealing new roles for galectin (Gal)-9 in the modulation of B cell receptor-mediated signaling and activation in mouse and man. The roles for cell surface glycosylation, especially I-branching of N-glycans synthesized by the glycosyltransferase GCNT2, in the regulation of Gal-9 binding activity are also detailed. Finally, we consider how dysregulation of these factors may contribute to aberrant immune activation and autoimmune disease.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
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)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,016
Tête enseignante GPT0,283
Écart entre enseignants0,267 · 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

Citations56
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetGalectins and Cancer BiologyTravaux en français237 207