MétaCan
Menu
Retour à la cohorte
Enregistrement W1488310572 · doi:10.1080/23328940.2015.1011564

Regulation of brown adipose tissue recruitment, metabolism and thermogenic function by peroxisome proliferator-activated receptor<b>γ</b>

2015· review· en· W1488310572 sur OpenAlexaff
Andressa Bolsoni Lopes, Yves Deshaies, William T. Festuccia

Notice bibliographique

RevueTemperature · 2015
Typereview
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésThermogenesisBrown adipose tissueAdipose tissueThermogeninEndocrinologyInternal medicineLipolysisPeroxisome proliferator-activated receptorReceptorBiologyPRDM16White adipose tissueHomeothermyPeroxisomeCell biologyThermoregulationMedicine

Résumé

récupéré en direct d'OpenAlex

Brown adipose tissue contributes importantly to homeothermy and energy balance in rodents due its ability under demand to produce heat through a process denominated nonshivering thermogenesis. Such thermogenic ability of brown adipocytes relies on the activity of mitochondrial uncoupling protein 1 that, when properly activated, dissipates energy from oxidative metabolism as heat. Brown adipose tissue sympathetic innervation through norepinephrine release not only induces brown adipocyte lipolysis and thermogenesis, but also acts as the major determinant of tissue mass, cellularity and mitochondrial content. Several pieces of evidence gathered over the years indicate that, in addition to tissue sympathetic innervation, the nuclear receptor peroxisome proliferator-activated receptor γ plays an important role in regulating the development, metabolism and thermogenic function of brown adipose tissue. Herein we review the main evidence supporting such key role of peroxisome proliferator-activated receptor γ to brown fat biology and discuss the future directions of this important area of research.

Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.

Comment cette classification a été obtenuedéplier

Prédiction machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

Scores machine (provisoires)

Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.

Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.

Tête enseignante Opus0,055
Tête enseignante GPT0,330
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueTemperatureMême sujetAdipose Tissue and MetabolismTravaux en français237 207