Immunoblotting Analysis of Fruit Proteins in Mexican Pediatric Patients Suggests the Existence of New Allergens
Notice bibliographique
Résumé
BACKGROUND: Food allergies are chronic diseases that compromise quality of life and can be potentially fatal due to anaphylaxis. The WHO estimates a 1-11% global prevalence, which has been increasing in recent years. They are considered, along with obesity, to be the two noninfectious pandemics. The WHO databases (WHO/IUIS) contain 403 food allergens, most of which have been reported from North America (Canada and the USA), Europe, and Asia, while reports of allergens from Latin America are scarce. Allergies have population and geographical specificities; therefore, identifying the main clinically relevant food allergens and potential new, undescribed components affecting Latin America is essential. This work aims to contribute to this field. METHODS: we gathered data from 16 allergic Mexican pediatric patients to fruits from the Rosaceae (pear and peach) and Musaceae (banana) families, as well as an allergic adult to Lauraceae (avocado). These fruits are prevalent allergens in Latin America. RESULTS: the data suggest that patients reacted to 20 different allergenic proteins reported in different allergen databases. Furthermore, we identified 16 previously unreported immunoreactive proteins, suggesting their potential role as new allergens. CONCLUSION: this preliminary work is particularly relevant, as it can influence the specific diagnosis of allergens most frequently affecting the pediatric population.
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 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 ».