Biased signalling and proteinase‐activated receptors (<scp>PAR</scp>s): targeting inflammatory disease
Notice bibliographique
Résumé
Although it has been known since the 1960s that trypsin and chymotrypsin can mimic hormone action in tissues, it took until the 1990s to discover that serine proteinases can regulate cells by cleaving and activating a unique four-member family of GPCRs known as proteinase-activated receptors (PARs). PAR activation involves the proteolytic exposure of its N-terminal receptor sequence that folds back to function as a 'tethered' receptor-activating ligand (TL). A key N-terminal arginine in each of PARs 1 to 4 has been singled out as a target for cleavage by thrombin (PARs 1, 3 and 4), trypsin (PARs 2 and 4) or other proteases to unmask the TL that activates signalling via Gq , Gi or G12 /13 . Similarly, synthetic receptor-activating peptides, corresponding to the exposed 'TL sequences' (e.g. SFLLRN-, for PAR1 or SLIGRL- for PAR2) can, like proteinase activation, also drive signalling via Gq , Gi and G12 /13 , without requiring receptor cleavage. Recent data show, however, that distinct proteinase-revealed 'non-canonical' PAR tethered-ligand sequences and PAR-activating agonist and antagonist peptide analogues can induce 'biased' PAR signalling, for example, via G12 /13 -MAPKinase instead of Gq -calcium. This overview summarizes implications of this 'biased' signalling by PAR agonists and antagonists for the recognized roles the PARs play in inflammatory settings.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,001 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».