© 2004 Canadian Medical Association or its licensors
Notice bibliographique
Résumé
Genetic profiling may help to define different clinical forms of leprosy. The severity of the dis-ease depends partly on how an individual’s immune system re-sponds to the causative organ-ism, Mycobacterium leprae. Tu-berculoid leprosy is typically a self-limited disease with a low bacterial load. In contrast, pa-tients who have lepromatous leprosy present with dissemi-nated lesions and high bacterial loads, which reflects the sup-pression of cell-mediated immu-nity (see pages 55 and 71 in this issue). To determine the reason for this difference in immune re-sponse, Bleharski and colleagues compared the patterns of ex-pression of about 12 000 genes between patients with either form of leprosy. They demon-strated that there were clear dif-ferences in the expression of certain genes within the skin le-sions between the tuberculoid and lepromatous groups. Specif-ically, they found an increase in the expression of type 2 cyto-kines in the lepromatous sam-ples, which had been previously associated with immune sup-pression. However, they also discovered an increase in the ex-pression of receptors in the leukocyte immunoglobulin-like receptor family. Hypothesizing that these receptors may also in-hibit the immune response, they found that manipulating them with antibodies indeed resulted in an imbalance between the cytokines necessary for mount-ing an inflammatory response. Within a larger context, the authors state that the impor-tance of such findings indicates that genes involved in bene-ficial or maladaptive immune responses can be identified, which may lead to a greater un-derstanding of disease progres-sion in general, and perhaps therapy. (Bleharski et al. Science
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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,105 | 0,015 |
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 ».