T‐cell activation–induced marker assays in health and disease
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
Activation-induced marker (AIM) assays have proven to be an accessible and rapid means of antigen-specific T-cell detection. The method typically involves short-term incubation of whole blood or peripheral blood mononuclear cells with antigens of interest, where autologous antigen-presenting cells process and present peptides in complex with major histocompatibility complex (MHC) molecules. Recognition of peptide-MHC complexes by T-cell receptors then induces upregulation of activation markers on the T cells that can be detected by flow cytometry. In this review, we highlight the most widely used activation markers for assays in the literature while identifying nuances and potential downfalls associated with the technique. We provide a summary of how AIM assays have been used in both discovery science and clinical studies, including studies of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) immunity. This review primarily focuses on AIM assays using human blood or peripheral blood mononuclear cell samples, with some considerations noted for tissue-derived T cells and nonhuman samples. AIM assays are a powerful tool that enables detailed analysis of antigen-specific T-cell frequency, phenotype and function without needing to know the precise antigenic peptides and their MHC restriction elements, enabling a wider analysis of immunity generated following infection and/or vaccination.
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 | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 découle