MétaCan
Menu
Retour à la cohorte
Enregistrement W4213130086 · doi:10.1155/2022/8092170

Commensal and Pathogenic Bacterial-Derived Extracellular Vesicles in Host-Bacterial and Interbacterial Dialogues: Two Sides of the Same Coin

2022· review· en· W4213130086 sur OpenAlexaff
Samira Tarashi, Mohammad Saber Zamani, Mir Davood Omrani, Abolfazl Fateh, Arfa Moshiri, Ahmad Saedisomeolia, Seyed Davar Siadat, Stan Kubow

Notice bibliographique

RevueJournal of Immunology Research · 2022
Typereview
Langueen
DomaineImmunology and Microbiology
ThématiqueBacterial Infections and Vaccines
Établissements canadiensMcGill University
Organismes subventionnairesPasteur Institute of Iran
Mots-clésExtracellular vesiclesBiologyCrosstalkPathogenic bacteriaBacteriaMicrobiologyHuman healthHost (biology)DysbiosisEpigeneticsMicrobiomeCell biologyBioinformaticsGeneticsGeneMedicine

Résumé

récupéré en direct d'OpenAlex

Extracellular vesicles (EVs) cause effective changes in various domains of life. These bioactive structures are essential to the bidirectional organ communication. Recently, increasing research attention has been paid to EVs derived from commensal and pathogenic bacteria in their potential role to affect human disease risk for cancers and a variety of metabolic, gastrointestinal, psychiatric, and mental disorders. The present review presents an overview of both the protective and harmful roles of commensal and pathogenic bacteria-derived EVs in host-bacterial and interbacterial interactions. Bacterial EVs could impact upon human health by regulating microbiota-host crosstalk intestinal homeostasis, even in distal organs. The importance of vesicles derived from bacteria has been also evaluated regarding epigenetic modifications and applications. Generally, the evaluation of bacterial EVs is important towards finding efficient strategies for the prevention and treatment of various human diseases and maintaining metabolic homeostasis.

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 enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,093
Tête enseignante GPT0,353
Écart entre enseignants0,260 · 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

Citations36
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Immunology ResearchMême sujetBacterial Infections and VaccinesTravaux en français237 207