MétaCan
Menu
Retour à la cohorte
Enregistrement W3092077289 · doi:10.1128/mbio.02023-20

Sensing Host Arginine Is Essential for <i>Leishmania</i> Parasites’ Intracellular Development

2020· article· en· W3092077289 sur OpenAlexaff
Adele Goldman-Pinkovich, Sriram Kannan, Roni Nitzan-Koren, Madhu Puri, Harsh Pawar, Yael Bar-Avraham, Jacquelyn McDonald, Aakash Sur, Wen‐Wei Zhang, Greg Matlashewski, Rentala Madhubala, Shulamit Michaeli, Peter J. Myler, Dan Zilberstein

Notice bibliographique

RevuemBio · 2020
Typearticle
Langueen
DomaineMedicine
ThématiqueResearch on Leishmaniasis Studies
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésPhagolysosomeLeishmaniaArginineBiologyMacrophageLeishmania majorImmune systemArginaseIntracellular parasiteCell biologyMicrobiologyIntracellularImmunologyPhagosomeParasite hostingGeneticsIn vitro

Résumé

récupéré en direct d'OpenAlex

In this study, we report that the ability of the human pathogen Leishmania to sense and monitor the lack of arginine in the phagolysosome of the host macrophage is essential for disease development. Phagolysosomes of macrophages are the niche where Leishmania resides and causes human leishmaniasis. During infection, the arginine concentration in the phagolysosome decreases as part of the host innate immune response. An arginine sensor on the Leishmania cell surface activates an arginine deprivation response pathway that upregulates the expression of a parasite arginine transporter (AAP3). Here, we use CRISPR/Cas9-mediated disruption of the AAP3 locus to show that this response enables Leishmania parasites to successfully compete with the host macrophage in the “hunger games” for arginine.

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 enseignants0,116
Score d'incertitude au seuil0,819

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 Opus0,039
Tête enseignante GPT0,302
Écart entre enseignants0,263 · 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

Citations26
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemBioMême sujetResearch on Leishmaniasis StudiesTravaux en français237 207