MétaCan
Menu
Retour à la cohorte
Enregistrement W2891407926 · doi:10.1210/en.2018-00705

Scaffold Proteins: From Coordinating Signaling Pathways to Metabolic Regulation

2018· review· en· W2891407926 sur OpenAlexafffund
Yves Mugabo, Gareth E. Lim

Notice bibliographique

RevueEndocrinology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
Thématique14-3-3 protein interactions
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesFonds de Recherche du Québec - SantéNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchBanting Research Foundation
Mots-clésScaffold proteinSignal transductionScaffoldEndocrinologyMetabolic pathwayCell biologyInternal medicineChemistryBiologyMetabolismMedicineBiomedical engineering

Résumé

récupéré en direct d'OpenAlex

Among their pleiotropic functions, scaffold proteins are required for the accurate coordination of signaling pathways. It has only been within the past 10 years that their roles in glucose homeostasis and metabolism have emerged. It is well appreciated that changes in the expression or function of signaling effectors, such as receptors or kinases, can influence the development of chronic diseases such as diabetes and obesity. However, little is known regarding whether scaffolds have similar roles in the pathogenesis of metabolic diseases. In general, scaffolds are often underappreciated in the context of metabolism or metabolic diseases. In the present review, we discuss various scaffold proteins and their involvement in signaling pathways related to metabolism and metabolic diseases. The aims of the present review were to highlight the importance of scaffold proteins and to raise awareness of their physiological contributions. A thorough understanding of how scaffolds influence metabolism could aid in the discovery of novel therapeutic approaches to treat chronic conditions, such as diabetes, obesity, and cardiovascular disease, for which the incidence of all continue to increase at alarming rates.

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 seuil0,010

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)0,0030,002

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 Opus0,046
Tête enseignante GPT0,323
Écart entre enseignants0,276 · 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

Citations34
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEndocrinologyMême sujet14-3-3 protein interactionsTravaux en français237 207