Neuroprotection: Pro-survival and Anti-neurotoxic Mechanisms as Therapeutic Strategies in Neurodegeneration
Notice bibliographique
Résumé
Neurotrophins (NTs) are a subset of the neurotrophic factor family. These growth factors were originally named based on the nerve growth functional assays used to identify them. NTs act as paracrine or autocrine factors for cells expressing NT receptors. The receptors and their function have been studied primarily in cells of the nervous system, but are also present in the cardiovascular, endocrine, and immune systems, as well as in many neoplastic cells. The signals activated by NTs can be varied, depending on cellular stage and context, healthy or disease states, and depending on whether the specific NTs and their receptors are expressed in the relevant cells. In the healthy central and peripheral adult nervous systems, NTs drive neuronal survival, phenotype, synaptic maintenance, and function. Deficiencies of the NT/NT receptor axis are causally associated with disease onset or disease progression. Paradoxically, NTs can also drive synaptic loss and neuronal death. In the embryonic stage this activity is essential for proper developmental pruning of the nervous system, but in the adult it can be associated with neurodegenerative disease. Given their key role in neuronal survival and death, NTs and NT receptors have long been considered therapeutic targets to achieve neuroprotection. The first neuroprotective approaches consisted of enhancing neuronal survival signals using NTs. Later strategies selectively targeted receptors to induce survival signals specifically, while avoiding activation of death signals. Recently, the concept of selectively targeting receptors to reduce neuronal death signals has emerged. Here, we review the rationale of each neuroprotective strategy with respect to the complex cell biology and pharmacology of each target receptor.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 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 ».