MétaCan
Menu
← Retour à la cohorte
Enregistrement W2898221726 · doi:10.1101/455410

Membrane Lipid-K <sub>IR</sub> 2.x Channel Interactions Enable Hemodynamic Sensing in Cerebral Arteries

2018· preprint· en· W2898221726 sur OpenAlexafffund
María Sancho, Sergio Fabris, Bjørn Olav Hald, Shaun L. Sandow, Tamie L. Poepping, Donald G. Welsh

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2018
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueIon channel regulation and function
Établissements canadiensUniversity of CalgaryWestern University
Organismes subventionnairesUniversity of the Sunshine CoastHotchkiss Brain Institute, University of Calgary
Mots-clésCerebral arteriesHemodynamicsBiophysicsVascular smooth musclePerfusionMembrane potentialInternal medicineBiologyChemistryAnatomyCell biologyEndocrinologySmooth muscleMedicine

Résumé

récupéré en direct d'OpenAlex

Abstract Inward rectifying (K IR ) K + channels are present in cerebral arterial smooth muscle and endothelial cells, a tandem arrangement suggestive of a dynamic yet undiscovered role for this channel. We explored whether vascular K IR channels were uniquely modulated by membrane lipids and hemodynamic stimuli. A K IR current was isolated in smooth muscle and endothelial cells of rat cerebral arteries and molecular analyses confirmed K IR 2.1/K IR 2.2 mRNA and protein expression. Electrophysiology next revealed that endothelial K IR was sensitive to phosphatidylinositol 4,5- bisphosphate (PIP 2 ), with depletion impairing flow-induced activation of the channel. In contrast, smooth muscle K IR was sensitive to membrane cholesterol, with sequestration blocking pressure’s ability to inhibit this channel. Membrane lipids helped confer K IR mechanosensitivity to intact arteries; virtual models then reconceptualised K IR as a dynamic regulator of basal tone development. We conclude that specific membrane lipid-K IR interactions enable unique channel populations to sense hemodynamic stimuli and set brain perfusion.

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 enseignants0,001
Score d'incertitude au seuil0,004

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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetIon channel regulation and function→Travaux en français237 207→