Innate immunity genes as determinants of resistance/susceptibility to human disease : studies in leukemia patients
Bibliographic record
Abstract
La leucémie lymphoblastique aiguë des cellules Pré-B (B-ALL) reste le type de cancer le plus souvent diagnostiqué chez les enfants. Des études ont montré que des déterminants génétiques jouent un rôle important dans la susceptibilité/résistance au développement de ce cancer. À cet égard, les gènes Killer-cell Immunoglobulin-like Receptor (KIR) sont d'une importance particulière. Ces gènes sont fortement polymorphiques et codent pour des récepteurs qui contrôlent l’activité fonctionnelle des cellules Natural Killer (NK). Notre hypothèse est que les gènes activateurs des KIR s’associent avec la résistance innée pour développer la B-ALL. Afin d'évaluer cette hypothèse, nous avons entrepris une étude de cas-contrôles chez des enfants canadiens-français dans laquelle nous avons utilisé l'ADN génomique de 100 patients atteints de B-ALL ainsi que l’ADN de 245 individus sains. La présence ou l'absence de chaque gène KIR a été détectée par PCR en utilisant des amorces de séquences spécifiques. Nous avons trouvé que la présence des gènes KIR activateurs est significativement diminuée chez les enfants leucémiques par rapport aux témoins. En outre, le nombre de ces gènes a aussi montré une association significative linéaire avec la résistance au développement d’une B-ALL. Cela suggère des effets additifs de ces gènes permettant de conférer une protection contre ce cancer. Ces résultats pourraient être utiles afin de déceler de façon précoce les enfants ayant un risque de développer cette leucémie. Enfin, des stratégies thérapeutiques basées sur les récepteurs KIR pourraient être envisagées et s'avérer utiles concernant le traitement de ce cancer chez les enfants.
Fetched live from OpenAlex and de-inverted. Abstracts are not stored in this database: the inverted indexes are 8.6 GB of the frame’s 9.3 GB of text, and the host has 13 GB free.
How this classification was reachedexpand
Full frame machine prediction
Teacher imitationNot calibrated prevalence, not ground truth. Human validation pending. The Gemma side is a direct model label for every work in the frame, read from the title-only record. The Codex side is a classifier learned from the 10,348 direct Codex labels and calibrated to design-weighted sample rates; fields without enough sample support carry no Codex call. Candidate is the union of the two sides; consensus is their intersection. These outputs are machine_predicted_unvalidated and are not human labels.
Distilled classifier scores by category (both heads)
| Category | Codex | Gemma |
|---|---|---|
| Metaresearch | 0.000 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.000 |
| Bibliometrics | 0.000 | 0.001 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.000 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.000 | 0.000 |
| Insufficient payload (model declined to judge) | 0.001 | 0.000 |
Machine scores (provisional)
The two teacher heads of the student model, read on this work. A score orders the frame for review; it never asserts a category, and the validation status ships verbatim with every row.
Baseline scores from an immature model (maturity gate not passed, 7 training rounds). Scores rank; they never assert a category.
score_only:v0-immature-baseline · verbatim from the scoring run: score_only means the number may rank works, and no category label ships from itClassification
machine, unvalidatedMachine predicted; a candidate call from one source (direct Gemma or distilled Codex), not a consensus.
How this classification was reached, model by model and score by score, is at the end of the page under "How this classification was reached".