MétaCan
Menu
Retour à la cohorte
Enregistrement W2992964503 · doi:10.1128/mbio.02802-19

A Porcine <i>Ex Vivo</i> Lung Perfusion Model To Investigate Bacterial Pathogenesis

2019· article· en· W2992964503 sur OpenAlexfundno aff
Amy Dumigan, M Fitzgerald, Joana Sá‐Pessoa, Umar Imran Hamid, Cecilia O’Kane, José A. Bengoechea

Notice bibliographique

RevuemBio · 2019
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmune Response and Inflammation
Établissements canadiensnon disponible
Organismes subventionnairesBiotechnology and Biological Sciences Research CouncilMedical Research CouncilDirectorate for Biological SciencesQueen's UniversityQueen's University BelfastUK Research and Innovation
Mots-clésKlebsiella pneumoniaeEx vivoPathogenesisIn vivoLungBiologyMicrobiologyPneumoniaImmunologyMedicineEscherichia coliGene

Résumé

récupéré en direct d'OpenAlex

The implementation of infection models that approximate human disease is essential to understand infections and for testing new therapies before they enter into clinical stages. Rodents are used in most preclinical studies, although the differences between mice and humans have fueled the conclusion that murine studies are unreliable predictors of human outcomes. In this study, we have developed a whole-lung porcine model of infection using the ex vivo lung perfusion (EVLP) system established to recondition human lungs for transplant. As a proof of principle, we provide evidence demonstrating that infection of the porcine EVLP with the human pathogen Klebsiella pneumoniae recapitulates the known features of Klebsiella -triggered pneumonia. Moreover, our data revealed that the porcine EVLP model is useful to reveal features of the virulence of K. pneumoniae , including the manipulation of immune cells. Together, the findings of this study support the utility of the EVLP model using pig lungs as a surrogate host for assessing respiratory 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesCharge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesCharge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,050
Score d'incertitude au seuil0,999

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)0,0020,004

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 Opus0,008
Tête enseignante GPT0,212
Écart entre enseignants0,204 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations28
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetImmune Response and InflammationTravaux en français237 207