MétaCan
Menu
Retour à la cohorte
Enregistrement W2914317765 · doi:10.1002/bit.26936

Application of a TLR overexpression cell model in pyrogen detection

2019· article· en· W2914317765 sur OpenAlexafffund
Qing Han, Ruobi Hu, Hui Li, Zhen Lei, Xuehui Zhang, Xiuyan Yu, Qun Zhang, Yiqing Mao, Xi Wang, David M. Irwin, Gang Niu, Huanran Tan

Notice bibliographique

RevueBiotechnology and Bioengineering · 2019
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Response and Inflammation
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchNational Natural Science Foundation of ChinaNational Science Foundation
Mots-clésTLR4TLR2StimulationCytokineCD14ReceptorToll-like receptorCellIn vitroChemistryCell cultureBiologyMolecular biologyImmunologyBiochemistryInnate immune systemEndocrinology

Résumé

récupéré en direct d'OpenAlex

Pyrogens are components derived from microorganisms that induce complex inflammatory responses. Current approaches to detect pyrogens are complex and difficult to replicate, thus there is a need for new methods to detect pyrogens. We successfully constructed a pyrogen-sensitive cell model by overexpressing Toll-like receptor (TLR)2, TLR4, MD2, and CD14 in HEK293 cells. Since the cytokine IL-6 is specifically released upon stimulation of the TLR2 and TLR4 signaling pathways in response to pyrogen stimulation, we used it as a read out for our assay. Our results show that IL-6 is released in response to trace amounts of pyrogens in our cell model. Pyrogen incubation times and concentrations were explored to determine the sensitivity of our cell model, and was found to be sensitive to 0.05 EU/ml of LPS and 0.05 ug/ml of LTA after stimulation for 5 hr. Our TLR overexpressing cell model, with IL-6 as readout, could be a new method for in vitro testing of pyrogens and applicable for evaluating the safety of drugs.

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)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,026
Score d'incertitude au seuil0,336

Scores Codex et Gemma par catégorie

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 recherche0,0000,000
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 Opus0,003
Tête enseignante GPT0,177
Écart entre enseignants0,174 · 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'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

Citations3
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiotechnology and BioengineeringMême sujetImmune Response and InflammationTravaux en français237 207