MétaCan
Menu
← Retour à la cohorte
Enregistrement W2978114354 · doi:10.71781/4133

Étude de l’effet des sucres dérivés du mucus et du régulateur NagC sur la formation de biofilm d’E. coli de différents pathotypes incluant les E. coli adhérentes et invasives (AIEC)

2017· dissertation· fr· W2978114354 sur OpenAlexfundno aff
Jean-Félix Sicard

Notice bibliographique

RevueOpen MIND · 2017
Typedissertation
Languefr
DomaineAgricultural and Biological Sciences
ThématiqueProbiotics and Fermented Foods
Établissements canadiensnon disponible
Organismes subventionnairesFonds de recherche du Québec – Nature et technologiesNatural Sciences and Engineering Research Council of Canada
Mots-clésChemistryMolecular biologyMicrobiologyBiology

Résumé

récupéré en direct d'OpenAlex

La couche de mucus intestinal est une barrière physique qui limite le contact entre les bactéries et les cellules épithéliales de l’hôte. De plus en plus d’études suggèrent que des métabolites produits par le microbiote peuvent être perçus de manière spécifique par des pathogènes. Cela aurait pour conséquence de moduler l’expression de leurs gènes de virulence. Plusieurs E. coli, commensaux ou pathogènes, sont capables de former des biofilms. Cette propriété favorise leur colonisation et leur résistance aux mécanismes immunitaires de l’hôte. Nous démontrons que le N-acétyl-glucosamine (NAG) et l’acide sialique peuvent réduire la formation de biofilm de différentes souches. L’inactivation de la protéine régulatrice NagC, par ajout du NAG ou par mutation, réduit la formation de biofilm de la souche adhérente et invasive LF82 en condition statique. NagC serait donc un activateur de la formation de biofilm. De plus, le suivi en temps réel de la formation de biofilm LF82 en utilisant un système microfluidique a démontré que la mutation de nagC altère une étape précoce de la formation de biofilm chez cette souche.

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 seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,043
Tête enseignante GPT0,298
Écart entre enseignants0,256 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen MIND→Même sujetProbiotics and Fermented Foods→Travaux en français237 207→