Beyond Trophic Factors: Exploiting the Intrinsic Regenerative Properties of Adult Neurons
Notice bibliographique
Résumé
Injuries and diseases of the peripheral nervous system (PNS) are common but frequently irreversible. It is often but mistakenly assumed that peripheral neuron regeneration is robust without a need to be improved or supported. However, axonal lesions, especially those involving proximal nerves rarely recover fully and injuries generally are complicated by slow and incomplete regeneration. Strategies to enhance the intrinsic growth properties of reluctant adult neurons offer an alternative approach to consider during regeneration. Since axons rarely regrow without an intimately partnered Schwann cell (SC), approaches to enhance SC plasticity carry along benefits to their axon partners. Direct targeting of molecules that inhibit growth cone plasticity can inform important regenerative strategies. A newer approach, a focus of our laboratory, exploits tumor suppressor molecules that normally dampen unconstrained growth. However several are also prominently expressed in stable adult neurons. During regeneration their ongoing expression "brakes" growth, whereas their inhibition and knockdown may enhance regrowth. Examples have included phosphatase and tensin homolog deleted on chromosome ten (PTEN), a tumor suppressor that inhibits PI3K/pAkt signaling, Rb1, the protein involved in retinoblastoma development, and adenomatous polyposis coli (APC), a tumor suppressor that inhibits β-Catenin transcriptional signaling and its translocation to the nucleus. The identification of several new targets to manipulate the plasticity of regenerating adult peripheral neurons is exciting. How they fit with canonical regeneration strategies and their feasibility require additional work. Newer forms of nonviral siRNA delivery may be approaches for molecular manipulation to improve regeneration.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».