MétaCan
Menu
Retour à la cohorte
Enregistrement W2170384111 · doi:10.1146/annurev.immunol.20.100301.064753

RANK-L and RANK: T Cells, Bone Loss, and Mammalian Evolution

2002· review· en· W2170384111 sur OpenAlexafffund
Lars E. Theill, William J. Boyle, Josef Penninger

Notice bibliographique

RevueAnnual Review of Immunology · 2002
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBone Metabolism and Diseases
Établissements canadiensAmgen (Canada)University of TorontoOntario Institute for Cancer Research
Organismes subventionnairesNational Cancer InstituteCanadian Institutes of Health ResearchCanada Research ChairsAmgen
Mots-clésBiologyOsteoimmunologyCell biologyImmunologyImmune systemLymph nodeReceptorRANKLGenetics

Résumé

récupéré en direct d'OpenAlex

TNF and TNFR family proteins play important roles in the control of cell death, proliferation, autoimmunity, the function of immune cells, or the organogenesis of lymphoid organs. Recently, novel members of this large family have been identified that have critical functions in immunity and that couple lymphoid cells with other organ systems such as bone morphogenesis and mammary gland formation in pregnancy. The TNF-family molecule RANK-L (RANK-L, TRANCE, ODF) and its receptor RANK are key regulators of bone remodeling, and they are essential for the development and activation of osteoclasts. Intriguingly, RANK-L/RANK interactions also regulate T cell/dendritic cell communications, dendritic cell survival, and lymph node formation; T cell-derived RANK-L can mediate bone loss in arthritis and periodontal disease. Moreover, RANK-L and RANK are expressed in mammary gland epithelial cells, and they control the development of a lactating mammary gland during pregnancy and the propagation of mammalian species. Modulation of these systems provides us with a unique opportunity to design novel therapeutics to inhibit bone loss in arthritis, periodontal disease, and osteoporosis.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,004

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 Opus0,009
Tête enseignante GPT0,267
Écart entre enseignants0,257 · 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

Citations826
Publié2002
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueAnnual Review of ImmunologyMême sujetBone Metabolism and DiseasesTravaux en français237 207