MétaCan
Menu
Retour à la cohorte
Enregistrement W6948288824 · doi:10.5061/dryad.3vf7p

Data from: Immune evasion and the evolution of molecular mimicry in parasites

2013· dataset· en· W6948288824 sur OpenAlexaff

Notice bibliographique

RevueData Archiving and Networked Services (DANS) · 2013
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématiquevaccines and immunoinformatics approaches
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésMolecular mimicryMimicryAutoimmunityImmune systemEvasion (ethics)Molecular evolution

Résumé

récupéré en direct d'OpenAlex

Parasites that are molecular mimics express proteins which resemble host proteins. This resemblance facilitates immune evasion because the immune molecules with the specificity to react with the parasite also cross-react with the host's own proteins, and these lymphocytes are rare. Given this advantage, why are not most parasites molecular mimics? Here we explore potential factors that can select against molecular mimicry in parasites and thereby limit its occurrence. We consider two hypotheses: (1) molecular mimics are more likely to induce autoimmunity in their hosts, and hosts with autoimmunity generate fewer new infections (the “costly autoimmunity hypothesis”); and (2) molecular mimicry compromises protein functioning, lowering the within-host replication rate and leading to fewer new infections (the “mimicry trade-off hypothesis”). Our analysis shows that although both hypotheses may select against molecular mimicry in parasites, unique hallmarks of protein expression identify whether selection is due to the costly autoimmunity hypothesis or the mimicry trade-off hypothesis. We show that understanding the relevant selective forces is necessary to predict how different medical interventions will affect the proportion of hosts that experience the different infection types, and that if parasite evolution is ignored, interventions aimed at reducing infection-induced autoimmunity may ultimately fail.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Jeu de données · Signal consensuel: Jeu de données
Score de désaccord entre enseignants0,388
Score d'incertitude au seuil0,998

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 savante0,0000,000
Science ouverte0,0020,005
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,240
Écart entre enseignants0,225 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueData Archiving and Networked Services (DANS)Même sujetvaccines and immunoinformatics approachesTravaux en français237 207