Neuro‐immune interactions in health and disease: Insights from FENS‐Hertie 2022 Winter School
Notice bibliographique
Résumé
In a great partnership, the Federation of European Neuroscience Societies (FENS) and the Hertie Foundation organized the FENS-Hertie 2022 Winter School on 'Neuro-immune interactions in health and disease'. The school selected 27 PhD students and 13 postdoctoral fellows from 20 countries and involved 14 faculty members experts in the field. The Winter School focused on a rising field of research, the interactions between the nervous and both innate and adaptive immune systems under pathological and physiological conditions. A fine-tuned neuro-immune crosstalk is fundamental for healthy development, while disrupted neuro-immune communication might play a role in neurodegeneration, neuroinflammation and aging. However, much is yet to be understood about the underlying mechanisms of these neuro-immune interactions in the healthy brain and under pathological scenarios. In addition to new findings in this emerging field, novel methodologies and animal models were presented to foment research on neuro-immunology. The FENS-Hertie 2022 Winter School provided an insightful knowledge exchange between students and faculty focusing on the latest discoveries in the biology of neuro-immune interactions while fostering great academic and professional opportunities for early-career neuroscientists from around the world.
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 | 0,010 | 0,017 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,003 |
| Bibliométrie | 0,003 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,006 |
| Science ouverte | 0,003 | 0,002 |
| Intégrité de la recherche | 0,014 | 0,026 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,004 |
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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».