MétaCan
Menu
Retour à la cohorte
Enregistrement W4313368690 · doi:10.4049/jimmunol.204.supp.159.6

Housing laboratory mice deficient for <i>Nod2</i> and <i>Atg16l1</i> in a natural environment uncovers genetic and environmental contributions to immune variation

2020· article· en· W4313368690 sur OpenAlexaff
Jian-Da Lin, Joseph C. Devlin, Frank Yeung, Caroline McCauley, Jacqueline M. Leung, Ying-Han Chen, Alex Cronkite, Christina Hansen, Charlotte Drake-Dunn, Kelly V. Ruggles, Ken Cadwell, Andrea L. Graham, P’ng Loke

Notice bibliographique

RevueThe Journal of Immunology · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSingle-cell and spatial transcriptomics
Établissements canadiensYork University
Organismes subventionnairesnon disponible
Mots-clésImmune systemBiologyATG16L1Genetic variationGeneticsNOD2GenePhenotypeBacteroidesCandida albicansInnate immune systemBacteriaAutophagy

Résumé

récupéré en direct d'OpenAlex

Abstract The relative contributions of genetic and environmental factors to variation in immune responses are still poorly understood. Here, we performed a deep phenotypic analysis of immunological parameters of laboratory mice released into an outdoor enclosure, carrying susceptibility genes (Nod2 and Atg16l1) implicated in the development of inflammatory bowel diseases. Variations of immune cell populations were largely driven by environment, whereas cytokine production in response to stimulation was affected more by genetic mutations. Multi-omic models identified transcriptional signatures associated with differences in T cell populations. Subnetworks associated with responses against Clostridium perfringens, Candida albicans and Bacteroides vulgatus were also coupled with rewilding. Hence, exposing laboratory mice carrying different genetic mutations to a natural environment uncovered important contributors to immune variation.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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.

Tête enseignante Opus0,004
Tête enseignante GPT0,189
Écart entre enseignants0,185 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Journal of ImmunologyMême sujetSingle-cell and spatial transcriptomicsTravaux en français237 207