MétaCan
Menu
Retour à la cohorte
Enregistrement W3130423531 · doi:10.3389/fimmu.2021.636078

Better Together: Current Insights Into Phagosome-Lysosome Fusion

2021· review· en· W3130423531 sur OpenAlexafffund
Jenny A. Nguyen, Robin M. Yates

Notice bibliographique

RevueFrontiers in Immunology · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular transport and secretion
Établissements canadiensUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésPhagolysosomePhagosomeCell biologyPhagocytosisLysosomeBiologyPhagocyteBiogenesisBiochemistry

Résumé

récupéré en direct d'OpenAlex

Following phagocytosis, the nascent phagosome undergoes maturation to become a phagolysosome with an acidic, hydrolytic, and often oxidative lumen that can efficiently kill and digest engulfed microbes, cells, and debris. The fusion of phagosomes with lysosomes is a principal driver of phagosomal maturation and is targeted by several adapted intracellular pathogens. Impairment of this process has significant consequences for microbial infection, tissue inflammation, the onset of adaptive immunity, and disease. Given the importance of phagosome-lysosome fusion to phagocyte function and the many virulence factors that target it, it is unsurprising that multiple molecular pathways have evolved to mediate this essential process. While the full range of these pathways has yet to be fully characterized, several pathways involving proteins such as members of the Rab GTPases, tethering factors and SNAREs have been identified. Here, we summarize the current state of knowledge to clarify the ambiguities in the field and construct a more comprehensive phagolysosome formation model. Lastly, we discuss how other cellular pathways help support phagolysosome biogenesis and, consequently, phagocyte function.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,013
Tête enseignante GPT0,264
Écart entre enseignants0,250 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations119
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetCellular transport and secretionTravaux en français237 207