MétaCan
Menu
← Retour à la cohorte
Enregistrement W2768488240 · doi:10.3390/iecm-2-04983

<strong>ATP Metabolism in RBC as Potential Biomarker for Post-Exercise Hypotension and a Therapeutic Target for Cardiovascular Drugs</strong>

2017· article· en· W2768488240 sur OpenAlexaff
Pollen Yeung, Fatemeh Akhoundi, Sheyda Mohammadizadeh, Brett Linderfield

Notice bibliographique

Revuenon disponible
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle metabolism and nutrition
Établissements canadiensDalhousie University
Organismes subventionnairesnon disponible
Mots-clésBiomarkerPharmacologyMedicineMetabolismDrug metabolismCardiologyInternal medicineChemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

The importance of adenosine and ATP in regulating many biological functions has long been recognized, especially for their effects on the cardiovascular homeostasis which may be used for management of hypertension and cardiovascular diseases. In response to ischemia and cardiovascular injury, ATP is broken down to release adenosine. The activity of adenosine is very short lived because it is rapidly taken up by myocardial and endothelial cells, erythrocytes (RBC), and also rapidly metabolized to oxypurine metabolites and other adenine nucleotides. Extra-cellular and intracellular ATP is broken down rapidly to ADP and AMP and finally to adenosine by 5’-nucleotidase. These metabolic events are known to occur in the myocardium, endothelium as well as in RBC. Exercise has been shown to increase metabolism of ATP in the RBC which may be an important mechanism for post exercise hypotension and cardiovascular protection. The post exercise effect was greater in hypertensive than in normotensive rats. The review summarizes current evidence in support of ATP metabolism in the RBC as potential systemic biomarker for cardiovascular protection and toxicities. It also discusses the opportunities, challenges and obstacles of exploiting ATP metabolism in RBC as target for drug development.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,023

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,002

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 Opus0,012
Tête enseignante GPT0,249
Écart entre enseignants0,237 · 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
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetMuscle metabolism and nutrition→Travaux en français237 207→