MétaCan
Menu
Retour à la cohorte
Enregistrement W3202573798 · doi:10.3389/fcell.2021.719235

Critical Role of Gut Microbiota and Epigenetic Factors in the Pathogenesis of Behçet’s Disease

2021· review· en· W3202573798 sur OpenAlexfundno aff
Xiaomin Ma, Xin Wang, Guangbing Zheng, Guiqin Tan, Fangyu Zhou, Wenwen Wei, Dan Tian, Hongsong Yu

Notice bibliographique

RevueFrontiers in Cell and Developmental Biology · 2021
Typereview
Langueen
DomaineMedicine
ThématiqueOcular Diseases and Behçet’s Syndrome
Établissements canadiensnon disponible
Organismes subventionnairesNational Key Research and Development Program of ChinaPetroleum Technology Research CentreGuizhou Science and Technology DepartmentDepartment of Education of Guizhou ProvinceInnovative Research Group Project of the National Natural Science Foundation of China
Mots-clésPathogenesisEpigeneticsBehcet's diseaseDiseaseImmunologyVasculitisMedicineBiologyGeneticsPathologyGene

Résumé

récupéré en direct d'OpenAlex

Behçet's disease (BD) is a chronic refractory multisystem autoinflammatory disease, characterized by typical clinical features of non-specific vasculitis, oral and genital ulcers, uveitis, as well as skin lesions. The exact etiopathogenesis of BD remains unknown, existing studies have indicated that genetics and environmental factors contribute to the increased development of BD. Recently, several studies have shown that external environmental factors can affect the process of epigenetic modification, and abnormalities of epigenetic factors have been confirmed to be involved in the occurrence of BD. At the same time, abnormalities of gut microbiota (GM) in the body, have also been confirmed to participate in the pathogenesis of BD by regulating the balance of Th17/Tregs. This article reviews the pathogenesis of BD and summarizes numerous clinical studies, focusing on the mechanism of GM and epigenetic factors impacting on BD, and providing new ideas for further elucidating the pathogenesis of BD.

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)0,000
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 enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,017
Tête enseignante GPT0,280
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 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

Citations19
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cell and Developmental BiologyMême sujetOcular Diseases and Behçet’s SyndromeTravaux en français237 207