MétaCan
Menu
Retour à la cohorte
Enregistrement W2102349131 · doi:10.2174/187152412800229125

Targeting Vascular Changes in Lesions in Multiple Sclerosis and Experimental Autoimmune Encephalomyelitis

2012· review· en· W2102349131 sur OpenAlexaff
Stephen J. Karlik, Wendi A. Roscoe, Cindy Patinote, Christine Contino-Pepin

Notice bibliographique

RevueCentral Nervous System Agents in Medicinal Chemistry · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueKruppel-like factors research
Établissements canadiensWestern University
Organismes subventionnairesnon disponible
Mots-clésAngiogenesisMultiple sclerosisExperimental autoimmune encephalomyelitisPathologicalPathologyMedicineBlood vesselVascular permeabilityNeovascularizationImmunologyCancer researchInternal medicine

Résumé

récupéré en direct d'OpenAlex

What is the origin of the complex vascular changes that exist in the CNS lesions of Multiple Sclerosis (MS)? From the beginning of the study of the pathological changes in MS in the 19th century, lesions were seen to be associated with veins. On a microscopic level, there have been numerous pathological changes to these vessels including altered structure and permeability, fibrinolysis, iron-related alterations and collagen deposition. Vascular changes in inflammatory conditions outside the CNS are well documented and we hypothesize that angiogenesis (the generation of new blood vessels from existing) is an integral process of lesion development and spread in MS. We demonstrated similar vascular abnormalities in MS and in the animal model, EAE. We measured the increase in angiogenesis-related genes in EAE and review herein the effectiveness of chemical inhibitors of angiogenesis (SU5416, thalidomide and several derivatives). We postulate that interference with angiogenesis provides a suitable non-immunological target for investigation in MS.

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 enseignants0,002
Score d'incertitude au seuil0,006

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 technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,072
Tête enseignante GPT0,316
Écart entre enseignants0,244 · 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

Citations10
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCentral Nervous System Agents in Medicinal ChemistryMême sujetKruppel-like factors researchTravaux en français237 207