L’œil et ses malaises : une histoire à retracer : effet délétère de l’inflammation médiée par interleukine-1 sur le développement nerveux et vasculaire de l’œil
Bibliographic record
Abstract
L’inflammation est une composante importante de la naissance prématurée (NP) et a été indépendamment liée à plusieurs morbidités périnatales, dont la cécité. Cependant, l’effet de l’inflammation gestationnelle médiée par l’interleukine (IL)-1 sur le développement oculaire n’a pas encore été défini. Nous avons étudié l’impact de l’inflammation sur le développement de la rétine, des vaisseaux rétiniens et de la choroïde grâce à un modèle murin de NP induite par IL-1, en plus de tester une nouvelle approche thérapeutique ciblant le récepteur IL-1R. Des souris enceintes ont reçu une injection d’IL-1 in utero afin d’induire la NP. Certaines souris ont reçu des injections sous-cutanées d’antagonistes d’IL-1R : 101.10 (non compétitif) ou Kineret (compétitif). Les yeux de la progéniture ont été prélevés pour mesurer l’expression génique pro-inflammatoire, augmentée pour Casp1, Il1b, Il8 et Il12. Suite à l'induction prénatale d'une inflammation, des cellules inflammatoires infiltrent chroniquement la rétine et la choroïde. Après la naissance, ces souriceaux ont subi un ralentissement de croissance des vaisseaux rétiniens et un amincissement de la choroïde, et subséquemment de la rétine. Cela a causé des déficits fonctionnels à l’électrorétinographie, où l’amplitude de l’onde b est réduite. L’administration anténatale de 101.10 a protégé la progéniture des effets délétères de l’IL-1, contrairement à Kineret. L’inflammation utérine génère donc une réponse inflammatoire dans l’œil du fœtus, qui nuit au développement normal des vaisseaux, induisant une dégradation de la rétine et de sa fonction. Nous suggérons l’administration anténatale de 101.10 pour protéger le fœtus de l’inflammation et de ses conséquences sur la vision.
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) | 0.000 | 0.001 |
| Bibliometrics | 0.000 | 0.000 |
| Science and technology studies | 0.000 | 0.001 |
| Scholarly communication | 0.001 | 0.001 |
| Open science | 0.000 | 0.000 |
| Research integrity | 0.001 | 0.002 |
| Insufficient payload (model declined to judge) | 0.006 | 0.001 |
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".