MétaCan
Menu
Retour à la cohorte
Enregistrement W3002937642 · doi:10.1111/tbed.13494

Morphological features and pathogenicity of mutated canine influenza viruses from China and South Korea

2020· article· en· W3002937642 sur OpenAlexaff
Woonsung Na, Xing Xie, Minjoo Yeom, Aram Kang, Hyun‐Ouk Kim, Jongwoo Lim, Geunseon Park, Sun‐Woo Yoon, Dae Gwin Jeong, Hye Kwon Kim, Seungjoo Haam, Yongjie Liu, Daesub Song

Notice bibliographique

RevueTransboundary and Emerging Diseases · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensMinistry of Agriculture
Organismes subventionnairesKorea Institute of Planning and Evaluation for Technology in Food, Agriculture, Forestry and Fisheries
Mots-clésVirulenceVirologyOutbreakVirusPathogenesisPathogenicityBiologyMutantMorphology (biology)PandemicTransmission (telecommunications)Host (biology)Coronavirus disease 2019 (COVID-19)MicrobiologyZoologyGeneImmunologyGeneticsDiseaseMedicinePathology

Résumé

récupéré en direct d'OpenAlex

The canine influenza virus (CIV) has spread globally from East Asia to the United States and mutated and evolved to generate various CIVs. Since 2010, the mutant CIVs found in China and Korea have presented increased virulence in mice, guinea pigs and ferrets, which has raised concerns about public health and outbreak of a severe canine flu. We analysed and compared the morphology, cellular uptake and pathogenicity of CIV variants in host animals, to determine their characteristics. The Chinese mutant, A/canine/Jiangsu/06/2010[H3N2](JS10), has two amino acid insertions at the distal end of the NA stalk, and A/canine/Korea/01/2007[H3N2](KR07) presented comparable efficiency of cell uptake and a similar morphology to spherical or small ovoid particles. However, KR07M generated from swapping of M segment of the pandemic isolate, A/California/04/2009 [H1N1] (CA04) into KR07 alone accounted for morphologic change and higher efficiency of cell uptake to the wild-type CIV. This study will provide an insight into the pathogenesis, transmission and evolution of CIVs and help determine future countermeasures.

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: Observationnel · Signal consensuel: Observationnel
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,069
Score d'incertitude au seuil0,684

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 technologies0,0000,001
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 Opus0,054
Tête enseignante GPT0,325
Écart entre enseignants0,271 · 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'étudeObservationnel
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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTransboundary and Emerging DiseasesMême sujetInfluenza Virus Research StudiesTravaux en français237 207