Functions of NOD-Like Receptors in Human Diseases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Nucleotide-binding and oligomerization domain NOD-like receptors (NLRs) are highly conserved cytosolic pattern recognition receptors that perform critical functions in surveying the intracellular environment for the presence of infection, noxious substances, and metabolic perturbations. Sensing of these danger signals by NLRs leads to their oligomerization into large macromolecular scaffolds and the rapid deployment of effector signaling cascades to restore homeostasis. While some NLRs operate by recruiting and activating inflammatory caspases into inflammasomes, others trigger inflammation via alternative routes including the nuclear factor-κB, mitogen-activated protein kinase, and regulatory factor pathways. The critical role of NLRs in development and physiology is demonstrated by their clear implications in human diseases. Mutations in the genes encoding NLRP3 or NLRP12 lead to hereditary periodic fever syndromes, while mutations in CARD15 that encodes NOD2 are linked to Crohn's disease or Blau's syndrome. Genome-wide association studies (GWASs) have identified a number of risk alleles encompassing NLR genes in a host of diseases including allergic rhinitis, multiple sclerosis, inflammatory bowel disease, asthma, multi-bacillary leprosy, vitiligo, early-onset menopause, and bone density loss in elderly women. Animal models have allowed the characterization of underlying effector mechanisms in a number of cases. In this review, we highlight the functions of NLRs in health and disease and discuss how the characterization of their molecular mechanisms provides new insights into therapeutic strategies for the management of inflammatory pathologies.
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.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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.
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 découle