High content quantitative imaging of <i>Mycobacterium tuberculosis</i> responses to acidic microenvironments within human macrophages
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Intracellular pathogens such as Mycobacterium tuberculosis (Mtb) have evolved diverse strategies to counteract macrophage defence mechanisms including phagolysosomal biogenesis. Within macrophages, Mtb initially resides inside membrane-bound phagosomes that interact with lysosomes and become acidified. The ability of Mtb to control and subvert the fusion between phagosomes and lysosomes plays a key role in the pathogenesis of tuberculosis. Therefore, understanding how pathogens interact with the endolysosomal network and cope with intracellular acidification is important to better understand the disease. Here, we describe in detail the use of fluorescence microscopy-based approaches to investigate Mtb responses to acidic environments in cellulo. We report high-content imaging modalities to probe Mtb sensing of external pH or visualise in real-time Mtb intrabacterial pH within infected human macrophages. We discuss various methodologies with step-by-step analyses that enable robust image-based quantifications. Finally, we highlight the advantages and limitations of these different approaches and discuss potential alternatives that can be applied to further investigate Mtb-host cell interactions. These methods can be adapted to study host-pathogen interactions in different biological systems and experimental settings. Altogether, these approaches represent a valuable tool to further broaden our understanding of the cellular and molecular mechanisms underlying intracellular pathogen survival.
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.
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 | 0,001 | 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 | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle