Impact des variants génétiques sur la réponse immunitaire des populations humaines
Bibliographic record
Abstract
Les mécanismes impliqués dans les variations de susceptibilité aux infections bactériennes entre individus et populations demeurent méconnus. Durant mon doctorat, j’ai mis à jour l’existence de profondes différences dans la réponse immunitaire entre individus d’origine Africaine et Européenne. Nous avons observé que 34% des gènes exprimés par les macrophages montrent au moins un type de différence transcriptionnelle entre populations : au niveau de l’expression totale du gène (30%), à sa réponse lors de l’infection (9.3%) ou, plus rarement, au niveau des proportions d’isoformes (1%). Les individus d’origine Africaine semblent disposer d’une réponse inflammatoire exacerbée ainsi que d’une capacité plus importante à détruire les bactéries intracellulaires. Une large proportion de ces différences sont sous le contrôle de variants génétiques : pour 804 gènes, plus de 75% des différences d’expression entre populations peuvent être expliquées par un unique variant génétique en cis ou en trans. Parmi ces variants, j’ai identifié un enrichissement en signatures de sélection naturelle suggérant que des pathogènes ont exercé des pressions sur le génome de notre espèce et ont ainsi participé à l’adaptation de notre espèce à son environnement. Notre métissage avec l’homme de Néandertal a également joué un rôle important dans l’adaptation des populations non-Africaines aux nouveaux environnements pathogéniques auxquels l’homme moderne a été confronté lorsqu’il a quitté l’Afrique pour coloniser le reste du monde.
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 | 0.003 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.000 | 0.001 |
| Bibliometrics | 0.001 | 0.001 |
| Science and technology studies | 0.001 | 0.001 |
| Scholarly communication | 0.001 | 0.000 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.000 |
| 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".