Allergic rhinitis and genetic components: focus on Toll-like receptors (TLRs) gene polymorphism
Notice bibliographique
Résumé
Zhiwei Gao1, Donna C Rennie2, Ambikaipakan Senthilselvan11Department of Public Health Sciences, School of Public Health, University of Alberta, Edmonton, Alberta, Canada; 2College of Nursing and Canadian Centre for Health and Agricultural Safety, University of Saskatchewan, Saskatoon, Saskatchewan, CanadaAbstract: Allergic rhinitis represents a global health issue affecting 10% to 25% of the population worldwide. Over the years, studies have found that allergic diseases, including allergic rhinitis, are associated with immunological responses to antigens driven by a Th2-mediated immune response. Because Toll-like receptors (TLRs) are involved in both innate and adaptive immune responses to a broad variety of antigens, the association between polymorphisms of TLRs and allergic diseases has been the focus in many animal and human studies. Although the etiology of allergic rhinitis is still unknown, extensive research over the years has confirmed that the underlying causes of allergic diseases are due to many genetic and environmental factors, along with the interactions among them, which include gene–environment, gene–gene, and environment–environment interactions. Currently, there is great inconsistency among studies mainly due to differences in genetic background and unique gene–environment interactions. This paper reviews studies focusing on the association between TLR polymorphisms and allergic diseases, including allergic rhinitis, which would help researchers better understand the role of TLR polymorphisms in the development of allergic rhinitis, and ultimately lead to more efficient therapeutic interventions being developed.Keywords: allergic rhinitis, allergic diseases, Toll-like receptors
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 | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 tête enseignante, 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 ».