Notice bibliographique
Résumé
Invasive fungal infections (IFI) such as mucormycosis are causing devastating morbidity and mortality in immunocompromised patients as anti-fungal agents do not work in the setting of suppressed immune system. COVID-19 pandemic has created a novel landscape for IFI in post-pandemic patients, which results from severe immune suppression caused by COVID-19 infection, comorbidities (diabetes, obesity) and immunosuppressive treatments such as steroids. The antigen-antibody interaction has been employed in radioimmunotherapy (RIT) to deliver lethal doses of ionizing radiation emitted by radionuclides to targeted cells and has demonstrated efficacy in several cancers. One of the advantages of RIT is its independence of immune status of a host which is crucial for immunosuppressed post-COVID-19 patients. In present work we targeted with RIT fungal pan-antigens 1,3-beta-glucan and melanin pigment, which are present in the majority of pathogenic fungi, thus making such targeting pathogen-agnostic. We demonstrated in experimental murine mucormycosis that 177Lutetium-labeled antibodies to these two antigens effectively decreased the fungal burden in major organs including the brain. These results are encouraging because they show the effectiveness of pathogen-agnostic RIT in significantly decreasing fungal burden in vivo, while they can be also potentially applied to treat the broad range of invasive fungal infections which express pan-antigens 1,3-beta-glucan or melanin.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,003 | 0,038 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,002 | 0,001 |
| Communication savante | 0,006 | 0,004 |
| Science ouverte | 0,003 | 0,003 |
| Intégrité de la recherche | 0,007 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,702 | 0,464 |
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; l’étiquette directe de Gemma et le classifieur distillé Codex s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».