MétaCan
Menu
Retour à la cohorte
Enregistrement W23583773 · doi:10.1016/j.jmb.2013.04.005

Interleukin 1-beta Decreases Myoblast Fusion in vitro

2015· article· en· W23583773 sur OpenAlexfundno aff
Bethany E Sullivan

Notice bibliographique

Revue2014 ADSA-ASAS-CSAS Joint Annual Meeting · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensnon disponible
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésBETA (programming language)In vitroChemistryComputer scienceBiochemistry

Résumé

récupéré en direct d'OpenAlex

During times of stress, systemic pro-inflammatory cytokine levels are increased, which may prevent optimal growth and development of muscle and/or induce muscle atrophy. Pro-inflammatory cytokines can induce negative responses in muscle by altering the balance of protein synthesis and degradation in established myofibers, or by influencing the proliferation and differentiation of myoblasts. Interleukin-1 beta (IL-1β) is a pro-inflammatory cytokine involved in stress and disease responses, but little is known about how IL-1β affects myoblast function. We hypothesized that IL-1β would decrease myoblast proliferation and/or differentiation. To test this hypothesis, C2C12 mouse myoblasts were treated with 0.1 ng/mL or 1.0 ng/mL of IL-1β, or carrier only (control). To determine proliferation rate, myoblasts were plated at 2.6x103 cells/cm2 and cultured for 48 h in the presence or absence of IL-1β. Cells were pulsed with bromodeoxyuridine (BrdU), fixed, and immunostained. The number of BrdU positive cells was quantified as a percent of total nuclei (identified by Hoescht 33342). To determine if IL-1β affected fusion, myoblasts were plated at 2.0x104 cells/cm2 in growth media for 48 h at which time media was changed into differentiation media supplemented with 0.1

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 enseignants0,004
Score d'incertitude au seuil0,013

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)0,0040,002

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 Opus0,016
Tête enseignante GPT0,249
Écart entre enseignants0,234 · 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

Citations0
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revue2014 ADSA-ASAS-CSAS Joint Annual MeetingMême sujetMuscle Physiology and DisordersTravaux en français237 207