Interactions entre Streptococcus suis sérotype 2 et Haemophilus parasuis avec des cellules porcines lors des co-infections bactériennes
Bibliographic record
Abstract
Streptococcus suis et Haemophilus parasuis sont des colonisateurs des voies respiratoires supérieures du porc. Ils sont toutefois les causes les plus importantes de mortalité dans les élevages à travers le monde puisqu’ils entrainent des maladies inflammatoires telles les septicémies, l’arthrite, la méningite et la pneumonie chez les porcelets suite au sevrage. Puisqu’ils empruntent la même route d’infection, produisent des maladies inflammatoires similaires et colonisent une majorité des animaux et compte tenu que les infections mixtes sont considérées comme étant la principale cause de maladie dans les animaux d’élevage, des interactions entre ces deux agents pourraient exister. En vue d’explorer les interactions entre S. suis sérotype 2 et H. parasuis de différents niveaux de virulence et leurs interactions avec les cellules porcines lors des premières étapes de l’infection, des cellules épithéliales de la trachée et des macrophages alvéolaires porcins primaires ont été infectés in vitro avec ces deux agents. Il a été possible d’observer qu’une souche peu virulente s’associe davantage aux cellules de l’hôte qu’une souche virulente, en induisant aussi généralement une plus forte réponse inflammatoire. Bien qu’il s’associe autant que la souche virulente de H. parasuis aux cellules épithéliales, S. suis induit une réponse inflammatoire généralement plus faible que H. parasuis. Contrairement à ce qui était attendu, les interactions entre S. suis et H. parasuis semblent limitées lors des premières étapes d’infection.
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 | 0.001 | 0.001 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.001 |
| Insufficient payload (model declined to judge) | 0.002 | 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".