Platelets in Thrombosis and Hemostasis: Old Topic with New Mechanisms
Notice bibliographique
Résumé
Platelets are small anucleate cells generated from megakaryocytes in the bone marrow. After being released into the circulation, platelets play key roles in the surveillance of vascular injury, and can quickly adhere and aggregate at the site of injury, which are critical events for vascular repair and hemostasis. However, the same biological processes of platelet adhesion and aggregation may also cause thrombotic disorders. The formation of a platelet plug at sites of atherosclerotic lesion rupture is the most common mechanism leading to myocardial or cerebral infarction. Platelet-related deep vein thrombosis is also one of the leading causes of mortality worldwide. The contribution of several platelet receptors and their ligands has been highlighted in these processes. In platelet adhesion, particularly at high shear stress, GPIbα-von Willebrand factor (VWF) interaction may initiate this event, which is followed by GPVI signalling and firm platelet adhesion mediated by members of the integrin family, such as β3 (αIIbβ3) and β1 (α2β1, α5β1) integrins. In platelet aggregation, although GPIbα-VWF, P selectin-sulfatides, and other molecules, may be involved, the process is mainly mediated by β3 (αIIbβ3) integrin and its ligands, such as fibrinogen and VWF. It is intriguing that platelet adhesion and aggregation still occur in mice lacking both fibrinogen and VWF, suggesting that other unforeseen molecule(s) may also be important in these processes. Identification and characterization of these molecules will enrich our knowledge in the basic science of hemostasis and thrombosis, and may lead to the development of new therapies against bleeding disorders and thrombotic diseases.
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 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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,007 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».