Proteinases as hormones: targets and mechanisms for proteolytic signaling
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Proteinases, such as kallikrein-related peptidases, trypsin and thrombin, can play hormone-like 'messenger roles in vivo. They can regulate cell signaling by cleaving and activating a novel family of G-protein-coupled proteinase-activated receptors (PARs 1-4) by unmasking a tethered receptor-triggering ligand. Short synthetic PAR-derived peptide sequences (PAR-APs) can selectively activate PARs 1, 2 and 4, causing physiological responses in vitro and in vivo. Using the PAR-APs to activate the receptors in vivo, it has been found that PARs, like hormone receptors, can affect the vascular, renal, respiratory, gastrointestinal, musculoskeletal and nervous systems (central and peripheral). PARs trigger responses ranging from vasodilatation to intestinal inflammation, increased cytokine production and increased nociception. These PAR-stimulated responses have been implicated in various disease states, including cancer, atherosclerosis, asthma, arthritis, colitis and Alzheimer's disease. In addition to targeting the PARs, proteinases can also cause hormone-like effects by other signaling mechanisms that may be as important as the activation of PARs. Thus, the PARs themselves, their activating serine proteinases and their signaling pathways can be considered as attractive targets for therapeutic drug development. Further, proteinases can be considered as physiologically relevant 'hormone-like' messengers that can convey signals locally or systemically either via PARs or by other mechanisms.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 découle