MétaCan
Menu
Retour à la cohorte
Enregistrement W3007515221 · doi:10.1128/mbio.00097-20

Collaborative Cross Mice Yield Genetic Modifiers for Pseudomonas aeruginosa Infection in Human Lung Disease

2020· article· en· W3007515221 sur OpenAlexafffund
Nicola Ivan Lorè, Barbara Sipione, Gengming He, Lisa J. Strug, Hanifa J. Abu Toamih Atamni, Alexandra Dorman, Richard Mott, Fuad A. Iraqi, Alessandra Bragonzi

Notice bibliographique

RevuemBio · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensPublic Health OntarioUniversity of TorontoHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health ResearchFondazione per la Ricerca sulla Fibrosi CisticaEuropean Respiratory SocietyCystic Fibrosis CanadaGovernment of CanadaEuropean Cooperation in Science and TechnologyWellcome TrustWellcome
Mots-clésBiologyLocus (genetics)GeneticsQuantitative trait locusCandidate genePseudomonas aeruginosaSingle-nucleotide polymorphismGenome-wide association studyPopulationChromosomal regionGeneGenotypeMedicine

Résumé

récupéré en direct d'OpenAlex

Respiratory infection caused by P. aeruginosa is one of the most critical health burdens worldwide. People affected by P. aeruginosa infection include patients with a weakened immune system, such as those with cystic fibrosis (CF) genetic disease or non-CF bronchiectasis. Disease outcomes range from fatal pneumonia to chronic life-threatening infection and inflammation leading to the progressive deterioration of pulmonary function. The development of these respiratory infections is mediated by multiple causes. However, the genetic factors underlying infection susceptibility are poorly known and difficult to predict. Our study employed novel approaches and improved mouse disease models to identify genetic modifiers that affect the severity of P. aeruginosa lung infection. We identified candidate genes to enhance our understanding of P. aeruginosa infection in humans and provide a proof of concept that could be exploited for other human pathologies mediated by bacterial infection.

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)0,001
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 enseignants0,264
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
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 Opus0,024
Tête enseignante GPT0,349
Écart entre enseignants0,325 · 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

Citations24
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207