MétaCan
Menu
Retour à la cohorte
Enregistrement W4393273683 · doi:10.3389/fimmu.2024.1331846

Deciphering the developmental trajectory of tissue-resident Foxp3+ regulatory T cells

2024· article· en· W4393273683 sur OpenAlexafffund
Fernando Alvarez, Zhiyang Liu, Alexandre Bay, Ciriaco A. Piccirillo

Notice bibliographique

RevueFrontiers in Immunology · 2024
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueImmunotherapy and Immune Responses
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésFOXP3EpigeneticsBiologyInflammationAutoimmunityCell biologyTranscriptional regulationImmunologyPeripheral toleranceImmune systemTranscription factorGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Foxp3+ TREG cells have been at the focus of intense investigation for their recognized roles in preventing autoimmunity, facilitating tissue recuperation following injury, and orchestrating a tolerance to innocuous non-self-antigens. To perform these critical tasks, TREG cells undergo deep epigenetic, transcriptional, and post-transcriptional changes that allow them to adapt to conditions found in tissues both at steady-state and during inflammation. The path leading TREG cells to express these tissue-specialized phenotypes begins during thymic development, and is further driven by epigenetic and transcriptional modifications following TCR engagement and polarizing signals in the periphery. However, this process is highly regulated and requires TREG cells to adopt strategies to avoid losing their regulatory program altogether. Here, we review the origins of tissue-resident TREG cells, from their thymic and peripheral development to the transcriptional regulators involved in their tissue residency program. In addition, we discuss the distinct signalling pathways that engage the inflammatory adaptation of tissue-resident TREG cells, and how they relate to their ability to recognize tissue and pathogen-derived danger signals.

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: Observationnel · Signal consensuel: aucune
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 technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,007
Tête enseignante GPT0,220
Écart entre enseignants0,212 · 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'étudeObservationnel
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

Citations8
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in ImmunologyMême sujetImmunotherapy and Immune ResponsesTravaux en français237 207