MétaCan
Menu
Retour à la cohorte
Enregistrement W2134567873 · doi:10.1146/annurev.physiol.65.092101.142528

Nuclear Receptors and the Control of Metabolism

2003· review· en· W2134567873 sur OpenAlexaff
Gordon A. Francis, Elisabeth Fayard, Frédéric Picard, Johan Auwerx

Notice bibliographique

RevueAnnual Review of Physiology · 2003
Typereview
Langueen
DomaineMedicine
ThématiqueCholesterol and Lipid Metabolism
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney Diseases
Mots-clésPregnane X receptorNuclear receptorLiver X receptorReceptorBiologySmall heterodimer partnerPeroxisome proliferator-activated receptorConstitutive androstane receptorFarnesoid X receptorInsulin resistanceRetinoid X receptorEndocrinologyInternal medicineTranscription factorBiochemistryInsulinMedicine

Résumé

récupéré en direct d'OpenAlex

The metabolic nuclear receptors act as metabolic and toxicological sensors, enabling the organism to quickly adapt to environmental changes by inducing the appropriate metabolic genes and pathways. Ligands for these metabolic receptors are compounds from dietary origin, intermediates in metabolic pathways, drugs, or other environmental factors that, unlike classical nuclear receptor ligands, are present in high concentrations. Metabolic receptors are master regulators integrating the homeostatic control of (a) energy and glucose metabolism through peroxisome proliferator-activated receptor gamma (PPARgamma); (b) fatty acid, triglyceride, and lipoprotein metabolism via PPARalpha, beta/delta, and gamma; (c) reverse cholesterol transport and cholesterol absorption through the liver X receptors (LXRs) and liver receptor homolog-1 (LRH-1); (d) bile acid metabolism through the farnesol X receptor (FXR), LXRs, LRH-1; and (e) the defense against xeno- and endobiotics by the pregnane X receptor/steroid and xenobiotic receptor (PXR/SXR). The transcriptional control of these metabolic circuits requires coordination between these metabolic receptors and other transcription factors and coregulators. Altered signaling by this subset of receptors, either through chronic ligand excess or genetic factors, may cause an imbalance in these homeostatic circuits and contribute to the pathogenesis of common metabolic diseases such as obesity, insulin resistance and type 2 diabetes, hyperlipidemia and atherosclerosis, and gallbladder disease. Further studies should exploit the fact that many of these nuclear receptors are designed to respond to small molecules and turn them into therapeutic targets for the treatment of these disorders.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0010,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,001

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 Opus0,015
Tête enseignante GPT0,311
Écart entre enseignants0,296 · 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

Citations640
Publié2003
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnual Review of PhysiologyMême sujetCholesterol and Lipid MetabolismTravaux en français237 207