Immunological Determinants of Liver Transplant Outcomes Uncovered by the Rat Model
Notice bibliographique
Résumé
For many individuals with end-stage liver disease, the only treatment option is liver transplantation. However, liver transplant rejection is observed in 24%-80% of transplant patients and lifelong drug regimens that follow the transplant procedure lead to serious side effects. Furthermore, the pool of donor livers available for transplantation is far less than the demand. Well-characterized and physiologically relevant models of liver transplantation are crucial to a deeper understanding of the cellular processes governing the outcomes of liver transplantation and serve as a platform for testing new therapeutic strategies to enhance graft acceptance. Such a model has been found in the rat transplant model, which has an advantageous size for surgical procedures, similar postoperative immunological progression, and high genome match to the human liver. From rat liver transplant studies published in the last 5 years, it is clear that the rat model serves as a strong platform to elucidate transplant immunological mechanisms. Using the model, we have begun to uncover potential players and possible therapeutic targets to restore liver tolerance and preserve host immunocompetence. Here, we present an overview of recent literature for rat liver transplant models, with an aim to highlight the value of the models and to provide future perspectives on how these models could be further characterized to enhance the overall value of rat models to the field of liver transplantation.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| 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 | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».