Glycomic analysis reveals a conserved response to bacterial sepsis induced by different bacterial pathogens
Notice bibliographique
Résumé
Abstract Sepsis is an extreme inflammatory response to infection (bacterial, viral, fungal) that occurs in the bloodstream and causes damage throughout the body. Currently, there are few diagnostic biomarkers of sepsis and new effective treatments have not been developed. There is a clear need to study the molecular underpinnings of this disease. Glycosylation is known to play a role in immunity and inflammation, but the role of glycans in sepsis is not well defined. Herein, we profiled the serum glycomes of experimental mouse sepsis models to identify changes induced by 4 different clinical bacterial pathogens (Gram-positive: Streptococcus pneumoniae, Staphylococcus aureus , Gram-negative: Escherichia coli and Salmonella Typhimurium) using our lectin microarray technology. We observed global shifts in the blood sera glycome that were conserved across all four species, regardless of whether they were Gram positive or negative. Bisecting GlcNAc was decreased upon sepsis and a strong increase in core 1/3 O -glycans was observed. Lectin blot analysis revealed a high molecular weight protein induced in sepsis by all four bacteria as the major cause of the core 1/3 O -glycan shift. While the identity of this protein remains to be elucidated, its presence indicates a common feature of bacterial sepsis associated with this glycomic signature.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».