Vascular tropism models of blood-borne microbial dissemination
Notice bibliographique
Résumé
SUMMARY Similar to circulating tumour and immune cells, many blood-borne microbes preferentially “home” to specific vascular sites and tissues during hematogenous dissemination 1–5 . For many pathogens, the “postal codes” and mechanisms responsible for tissue-specific vascular tropism are unknown and have been challenging to unravel. Members of the Lyme disease Borreliella burgdorferi species complex infect a broad range of mammalian tissues and exhibit complex strain-, species- and host-specific tissue tropism patterns. Intravenous perfusion experiments and intravital microscopy studies suggest that heterogeneous tissue tropism properties may depend on tissue-specific differences in host and microbial molecules supporting vascular interaction and extravasation. However, interpreting these studies can be complicated because of the immune-protective moonlighting (multitasking) properties of many B. burgdorferi adhesins. Here, we investigated whether B. burgdorferi vascular interaction properties measured by live cell imaging and particle tracking in aorta, bladder, brain, joint and skin microvascular flow chamber models predict strain- and tissue-specific dissemination patterns in vivo These studies identified strain- and endothelial cell type-specific interaction properties that accurately predicted in vivo dissemination of B. burgdorferi to bladder, brain, joint and skin but not aorta, and indicated that dissemination mechanisms in all of these tissues are distinct. Thus, the ability to interact with vascular surfaces under physiological shear stress is a key determinant of tissue-specific tropism for Lyme disease bacteria. The methods and model systems reported here will be invaluable for identifying and characterizing the diverse, largely undefined molecules and mechanisms supporting dissemination of Lyme disease bacteria. These methods and models may be useful for studying tissue tropism and vascular dissemination mechanisms of other blood-borne microbes.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».