Quantitative Risk Management: Concepts, Techniques and Tools, by Alexander J.McNeil, RüdigerFrey and PaulEmbrechts. Revised edition. Published by Princeton University Press, 2015. Total number of pages: 720. ISBN: 978‐0‐691‐16627‐8 (Hardback)
Notice bibliographique
Résumé
The amyloid precursor protein (APP) is an ubiquitously expressed cell surface protein and a key molecule in the etiology of Alzheimer disease. Amyloidogenic processing of APP through secretases leads to the generation of toxic amyloid (A) peptides, which are regarded as the molecular cause of the disease. We report here an alternative processing pathway of APP through the mammalian intramembrane rhomboid protease RHBDL4. RHBDL4 efficiently cleaves APP inside the cell, thus bypassing APP from amyloidogenic processing, leading to reduced A levels. RHBDL4 cleaves APP multiple times in the ectodomain, resulting in several N-and C-terminal fragments that are not further degraded by classical APP secretases. Knockdown of endogenous RHBDL4 results in decreased levels of C-terminal fragments derived from endogenous APP. Similarly, we found the APP family members APLP1 and APLP2 to be substrates of RHBDL4. We conclude that RHBDL4-mediated APP processing provides insight into APP and rhomboid physiology and qualifies for further investigations to elaborate its impact on Alzheimer disease pathology.
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 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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».