MétaCan
Menu
Retour à la cohorte
Enregistrement W2083500461 · doi:10.1017/erm.2015.4

Hypoxia signalling manipulation for bone regeneration

2015· review· en· W2083500461 sur OpenAlexaff
Justin Drager, Edward J. Harvey, Jake E. Barralet

Notice bibliographique

RevueExpert Reviews in Molecular Medicine · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisVascularityBone healingCell biologyTranscription factorHypoxia-inducible factorsHypoxia (environmental)Regeneration (biology)Signal transductionIn vivoBiologyChemistryCancer researchMedicinePathologyBiotechnologyAnatomyBiochemistryGeneOxygen

Résumé

récupéré en direct d'OpenAlex

Hypoxia-inducible factor (HIF) signalling is intricately involved in coupling angiogenesis and osteogenesis during bone development and repair. Activation of HIFs in response to a hypoxic bone micro-environment stimulates the transcription of multiple genes with effects on angiogenesis, precursor cell recruitment and differentiation. Substantial progress has been made in our understanding of the molecular mechanisms by which oxygen content regulates the levels and activity of HIFs. In particular, the discovery of the role of oxygen-dependent hydroxylase enzymes in modulating the activity of HIF-1α has sparked interest in potentially promising therapeutic strategies in multiple clinical fields and most recently bone healing. Several small molecules, termed hypoxia mimics, have been identified as activators of the HIF pathway and have demonstrated augmentation of both bone vascularity and bone regeneration in vivo. In this review we discuss key elements of the hypoxic signalling pathway and its role in bone regeneration. Current strategies for the manipulation of this pathway for enhancing bone repair are presented with an emphasis on recent pre-clinical in vivo investigations. These findings suggest promising approaches for the development of therapies to improve bone repair and tissue engineering strategies.

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 enseignants0,005
Score d'incertitude au seuil0,017

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
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,078
Tête enseignante GPT0,377
Écart entre enseignants0,299 · 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

Citations70
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Reviews in Molecular MedicineMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207