MétaCan
Menu
Retour à la cohorte
Enregistrement W2605957846 · doi:10.2174/1389203717666160627071125

AMPK Regulation of Glucose, Lipid and Protein Metabolism: Mechanisms and Nutritional Significance

2017· review· en· W2605957846 sur OpenAlexaff
Liuqin He, Xihong Zhou, Niu Huang, Huan Li, Junquan Tian, Yuying Li, Yao Kang, Clares M. Nyachoti, Sung Woo Kim, Yulong Yin

Notice bibliographique

RevueCurrent Protein and Peptide Science · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesnon disponible
Mots-clésAMPKLipid metabolismAMP-activated protein kinaseRegulatorCarbohydrate metabolismDiabetes mellitusGlucose uptakeUpstream and downstream (DNA)Glucose transporterGlucose homeostasisInflammationNutrient sensingSignal transductionChemistryCell biologyBiologyProtein kinase AEndocrinologyBiochemistryInternal medicineUpstream (networking)MedicineInsulinPhosphorylationInsulin resistanceGene

Résumé

récupéré en direct d'OpenAlex

AMP-activated protein kianse (AMPK) is a master sensor of cellular energy levels and a crucial regulator of nutrient metabolism such as the synthesis of fatty acids, glucose and protein as well as their oxidation to CO2 and water . Thus, AMPK signaling has important implications for fat deposition and glucose homeostasis in animals and humans. Much experimental and clinical evidence show that AMPK is a key therapeutic target for the prevention of diseases such as obesity, diabetes, cancer, inflammation and cardiac dysfunction. In this review we highlight recent advances on the upstream and downstream targets of AMPK, as well as the specific mechanisms whereby AMPK regulates digestive functions and chronic energy balance in animals and humans. Keywords: AMPK, glucose, lipid, protein, regulation.

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 enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,055
Tête enseignante GPT0,337
Écart entre enseignants0,282 · 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

Citations50
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Protein and Peptide ScienceMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207