MétaCan
Menu
Retour à la cohorte
Enregistrement W2150938244 · doi:10.2217/17584299.4.1.29

Liver X receptors as therapeutic targets for managing cholesterol: implications for inflammatory conditions

2009· article· en· W2150938244 sur OpenAlexafffund
Yuan Zhang, Jessica F. Chan, Carolyn L. Cummins

Notice bibliographique

RevueClinical Lipidology · 2009
Typearticle
Langueen
DomaineMedicine
ThématiqueCholesterol and Lipid Metabolism
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaU.S. Public Health Service
Mots-clésLiver X receptorReceptorNuclear receptorReverse cholesterol transportCholesterolInflammationLDL receptorMacrophageHormoneEndocrinologyBiologyInternal medicineTranscription factorChemistryLipoproteinMedicineImmunologyBiochemistryGeneIn vitro

Résumé

récupéré en direct d'OpenAlex

Atherosclerosis is a disease characterized by excess cholesterol and inflammation in the blood vessels. The liver X receptors (alpha and beta) are members of the nuclear hormone receptor family that are activated by endogenous cholesterol metabolites. These receptors are widely expressed with a tissue distribution that includes the liver, intestine and macrophage. Upon activation, these receptors have been shown to increase reverse cholesterol transport from the macrophage back to the liver to aid in the removal of excess cholesterol. More recently, they have also been shown to inhibit the inflammatory response in macrophages. These functions are accomplished through direct regulation of gene transcription. Herein, we will describe the key benefits and potential risks of targeting the LXRs for the treatment of atherosclerosis.

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)0,001
Version: codex-gemma-dda1882f352aStatut 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: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,607
Score d'incertitude au seuil0,723

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
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 Opus0,077
Tête enseignante GPT0,411
Écart entre enseignants0,334 · 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'étudeSans objet
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

Citations10
Publié2009
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueClinical LipidologyMême sujetCholesterol and Lipid MetabolismTravaux en français237 207