Effets d'Actinobacillus pleuropneumoniae et Streptococcus suis sur la barrière épithéliale de la trachée du porc
Bibliographic record
Abstract
Actinobacillus pleuropneumoniae et Streptococcus suis sont des bactéries pathogènes entraînant des maladies porcines mortelles et des pertes économiques importantes dans l’industrie porcine mondiale. Ces bactéries sont notamment reconnues pour leur implication dans certaines maladies pulmonaires porcines, dont la pneumonie, et leurs mécanismes de pathogénicité ne sont pas parfaitement élucidés. De ce fait, nous nous sommes intéressés à l’activité de ces deux bactéries sur la barrière épithéliale de la trachée du porc, soit un modèle représentatif de la première ligne de défense des voies respiratoires supérieures du porc. Plus précisément, nous avons étudié la capacité d’A. pleuropneumoniae et de S. suis à induire une perte d’intégrité de la barrière épithéliale, à la traverser, et à induire une réponse inflammatoire. En considérant les cytokines pro-inflammatoires sécrétées par les cellules épithéliales en présence de ces bactéries pathogènes, les effets du TNF-α sur la barrière épithéliale ont également été analysés. Nous avons démontré qu’A. pleuropneumoniae, S. suis et le TNF-α sont aptes à induire des dommages importants à la barrière épithéliale et à permettre la translocation de ces bactéries pathogènes à travers cette barrière. Ces résultats suggèrent que la barrière épithéliale puisse représenter une cible thérapeutique contre les infections engendrées par les bactéries pathogènes environnantes afin de limiter leur capacité d’invasion. Pour ce faire, il serait nécessaire d’investiguer davantage les facteurs de virulence de ces bactéries contribuant à la perte d’intégrité de la barrière épithéliale des voies respiratoires supérieures du porc afin d’élaborer de potentiels thérapies ciblées inhibant leur pathogénicité
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 | 0.000 |
| Meta-epidemiology (narrow) | 0.000 | 0.000 |
| Meta-epidemiology (broad) | 0.001 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.000 |
| Scholarly communication | 0.001 | 0.001 |
| 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".