Prevalence, persistence, and genetics of antibody responses to protein toxins and virulence factors
Notice bibliographique
Résumé
Abstract Microbial exposures are crucial environmental factors that impact healthspan by sculpting the immune system and microbiota. Antibody profiling via programmable Phage ImmunoPrecipitation Sequencing (PhIP-Seq) provides a high-throughput, costeffective approach for multiplexed detection of exposure and response to thousands of microbial protein products. Here we designed and constructed a library of 95,601 56 amino acid peptide tiles spanning a subset of environmental proteins more likely to be associated with immune responses: those with “toxin” or “virulence factor” keyword annotations. PhIP-Seq was used to profile the circulating antibodies of ~1,000 individuals against this “ToxScan” library of 14,430 toxins and virulence factors from 1,312 genera of organisms. In addition to a detailed analysis of six commonly encountered human commensals and pathogens, we study the age-dependent stability of the ToxScan profile and use a genome-wide association study (GWAS) to find that the MHC-II locus modulates the selection of bacterial epitopes. We detect previously described anti-flagellin antibody responses in a Crohn’s disease cohort and identify a novel association between anti-flagellin antibodies and juvenile dermatomyositis (JDM). PhIP-Seq with the ToxScan library provides a new window into exposure and immune responses to environmental protein toxins and virulence factors, which can be used to study human health and disease at cohort scale.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».