MétaCan
Menu
Retour à la cohorte
Enregistrement W2179438646 · doi:10.1089/ten.tea.2014.0412

PI3K Phosphorylation Is Linked to Improved Electrical Excitability in an <i>In Vitro</i> Engineered Heart Tissue Disease Model System

2015· article· en· W2179438646 sur OpenAlexafffund
Kujaany Kana, Hannah Song, Carol Laschinger, Peter W. Zandstra, Milica Radisic

Notice bibliographique

RevueTissue Engineering Part A · 2015
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neural Engineering
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésStimulationPI3K/AKT/mTOR pathwayProtein kinase BCrosstalkSignal transductionPhosphorylationHeart failureStimulus (psychology)InsulinMedicineCell biologyNeuroscienceInternal medicineBiologyPsychology

Résumé

récupéré en direct d'OpenAlex

Myocardial infarction, a prevalent cardiovascular disease, is associated with cardiomyocyte cell death, and eventually heart failure. Cardiac tissue engineering has provided hopes for alternative treatment options, and high-fidelity tissue models for drug discovery. The signal transduction mechanisms relayed in response to mechanoelectrical (physical) stimulation or biochemical stimulation (hormones, cytokines, or drugs) in engineered heart tissues (EHTs) are poorly understood. In this study, an EHT model was used to elucidate the signaling mechanisms involved when insulin was applied in the presence of electrical stimulation, a stimulus that mimics functional heart tissue environment in vitro. EHTs were insulin treated, electrically stimulated, or applied in combination (insulin and electrical stimulation). Electrical excitability parameters (excitation threshold and maximum capture rate) were measured. Protein kinase B (AKT) and phosphatidylinositol-3-kinase (PI3K) phosphorylation revealed that insulin and electrical stimulation relayed electrical excitability through two separate signaling cascades, while there was a negative crosstalk between sustained activation of AKT and PI3K.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,039
Tête enseignante GPT0,276
Écart entre enseignants0,238 · 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'étudeExpérimental (laboratoire)
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

Citations9
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part AMême sujetNeuroscience and Neural EngineeringTravaux en français237 207