MétaCan
Menu
Retour à la cohorte
Enregistrement W2135671792 · doi:10.1093/gerona/glp152

Fission Yeast and Other Yeasts as Emergent Models to Unravel Cellular Aging in Eukaryotes

2009· review· en· W2135671792 sur OpenAlexafffund
Antoine E. Roux, Pascal Chartrand, Gerardo Ferbeyre, Luis A. Rokeach

Notice bibliographique

RevueThe Journals of Gerontology Series A · 2009
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensUniversité de Montréal
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésSchizosaccharomyces pombeYeastKluyveromyces lactisBiologyMulticellular organismModel organismCryptococcus neoformansSaccharomyces cerevisiaeSchizosaccharomycesCandida albicansGeneGeneticsComputational biology

Résumé

récupéré en direct d'OpenAlex

In the past years, simple organisms such as yeasts and worms have contributed a great deal to aging research. Studies pioneered in Saccharomyces cerevisiae were useful to elucidate a significant number of molecular mechanisms underlying cellular aging and to discover novel longevity genes. Importantly, these genes proved many times to be conserved in multicellular eukaryotes. Consequently, such discovery approaches are being extended to other yeast models, such as Schizosaccharomyces pombe, Candida albicans, Kluyveromyces lactis, and Cryptococcus neoformans. In fission yeast, researchers have found links between asymmetrical cell division and nutrient signaling pathways with aging. In this review, we discuss the state of knowledge on the mechanisms controlling both replicative and chronological aging in S pombe and the other emergent yeast models.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,076
Tête enseignante GPT0,337
Écart entre enseignants0,261 · 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.

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

Citations81
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journals of Gerontology Series AMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207