Pattern recognition receptors in Crustacea: immunological roles under environmental stress
Notice bibliographique
Résumé
Innate immunity is the first line of defense against infections and the only known available strategy for invertebrates. Crustaceans, being mostly aquatic invertebrates, are constantly exposed to potential pathogens in the surrounding water. Their immune system abolishes most microbes that enter and are recognized as a threat. However, the stress produced by high population densities and abiotic changes, in aquaculture, disrupts the host-pathogen balance, leading to severe economic losses in this industry. Consequently, crustacean immunology has become a prime area of research where significant progress has been made. This review provides our current understanding of the key pattern recognition receptors in crustaceans, with special focus on Decapoda, and their roles in triggering an immune response. We discuss recent developments in the field of signal transduction pathways such as Toll-like receptors (TLRs) and the immune deficiency (IMD) pathway, and examine the role of antimicrobial peptides (AMPs) in pathogen defense. Additionally, we analyze how environmental stressors-such as temperature fluctuations, ammonia levels, and pollution-impact immune responses and increase susceptibility to diseases. Finally, we highlight future research directions, emphasizing the need to explore the interactions between environmental stressors and immune signaling pathways and to develop strategies to enhance immune responses in crustaceans within aquaculture settings. Altogether, these advancements deepen our understanding of pathogen recognition in invertebrates and the specific defense mechanisms employed by crustaceans, particularly in response to infections triggered by pathogens under abiotic stressors.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,006 |
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; les deux têtes enseignantes 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 ».