MétaCan
Menu
Retour à la cohorte
Enregistrement W2103045057 · doi:10.1016/j.celrep.2014.06.014

Modifying Lipid Rafts Promotes Regeneration and Functional Recovery

2014· article· en· W2103045057 sur OpenAlexafffund
Nardos G. Tassew, Andrea J. Mothe, Alireza P. Shabanzadeh, Paromita Banerjee, Paulo D. Koeberle, Rod Bremner, Charles H. Tator, Philippe P. Monnier

Notice bibliographique

RevueCell Reports · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensLunenfeld-Tanenbaum Research InstituteMount Sinai HospitalCanada Research ChairsUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésLipid raftRegeneration (biology)Cell biologyChemistryBiologyComputational biologySignal transduction

Résumé

récupéré en direct d'OpenAlex

Ideal strategies to ameliorate CNS damage should promote both neuronal survival and axon regeneration. The receptor Neogenin promotes neuronal apoptosis. Its ligand prevents death, but the resulting repulsive guidance molecule a (RGMa)-Neogenin interaction also inhibits axonal growth, countering any prosurvival benefits. Here, we explore strategies to inhibit Neogenin, thus simultaneously enhancing survival and regeneration. We show that bone morphogenetic protein (BMP) and RGMa-dependent recruitment of Neogenin into lipid rafts requires an interaction between RGMa and Neogenin subdomains. RGMa or Neogenin peptides that prevent this interaction, BMP inhibition by Noggin, or reduction of membrane cholesterol all block Neogenin raft localization, promote axon outgrowth, and prevent neuronal apoptosis. Blocking Neogenin raft association influences axonal pathfinding, enhances survival in the developing CNS, and promotes survival and regeneration in the injured adult optic nerve and spinal cord. Moreover, lowering cholesterol disrupts rafts and restores locomotor function after spinal cord injury. These data reveal a unified strategy to promote both survival and regeneration in the CNS.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,020
Score d'incertitude au seuil0,326

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,208
Écart entre enseignants0,197 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations62
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCell ReportsMême sujetRNA Interference and Gene DeliveryTravaux en français237 207