MétaCan
Menu
Retour à la cohorte
Enregistrement W2792891826 · doi:10.21037/aes.2018.ab008

AB008. Cellular senescence and retinal angiogenesis

2018· article· en· W2792891826 sur OpenAlexaff
Przemysław Sapieha

Notice bibliographique

RevueAnnals of Eye Science · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueRetinal Diseases and Treatments
Établissements canadiensHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésSenescenceCellular senescenceRetinalAngiogenesisOphthalmologyMedicineCell biologyBiologyCancer researchBiochemistry

Résumé

récupéré en direct d'OpenAlex

Pathological retinal neovascularization is the hallmark of primary blinding diseases across all age groups, yet surprisingly little is known about the causative factors. These diseases include diabetic retinopathy and retinopathy of prematurity where progressive decay of retinal vasculature yields zones of neural ischemia. These avascular zones and the hypoxic neurons and glia that reside in them are the source of pro-angiogenic factors that mediate destructive pre-retinal angiogenesis. Central neurons such as retinal ganglion cells (RGCs), which are directly apposed to degenerating vasculature in ischemic retinopathies, require stable metabolic supply for proper function. However, we unexpectedly found that RGCs are resilient to hypoxia/ischemia and a generally compromised metabolic supply and instead of degenerating, trigger protective mechanisms of cellular senescence. Paradoxically, while potentially favoring neuronal survival, the senescent state of RGCs is incompatible with vascular repair as they adopt a senescence-associated secretory phenotype (SASP) that provokes release of a secretome of inflammatory cytokines that drives paracrine senescence and further exacerbates pathological angiogenesis. The mechanisms that lead to retinal cellular senescence and dormancy as well as the therapeutic potential of targeting these pathways will be discussed.

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: Autre · Signal consensuel: Autre
Score de désaccord entre enseignants0,067
Score d'incertitude au seuil0,223

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0670,014

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 Opus0,049
Tête enseignante GPT0,369
Écart entre enseignants0,320 · 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
GenreAutre

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
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAnnals of Eye ScienceMême sujetRetinal Diseases and TreatmentsTravaux en français237 207