Emerging Developments in Targeting Proteotoxicity in Neurodegenerative Diseases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The most common neurodegenerative diseases are Alzheimer's disease (AD), Parkinson's disease (PD), Huntington's disease, frontotemporal lobar degeneration, and the motor neuron diseases, with AD affecting approximately 6% of people aged 65 years and older, and PD affecting approximately 1% of people aged over 60 years. Specific proteins are associated with these neurodegenerative diseases, as determined by both immunohistochemical studies on post-mortem tissue and genetic screening, where protein misfolding and aggregation are key hallmarks. Many of these proteins are shown to misfold and aggregate into soluble non-native oligomers and large insoluble protein deposits (fibrils and plaques), both of which may exert a toxic gain of function. Proteotoxicity has been examined intensively in cell culture and in in vivo models, and clinical trials of methods to attenuate proteotoxicity are relatively new. Therapies to enhance cellular protein quality control mechanisms such as upregulation of chaperones and clearance/degradation pathways, as well as immunotherapies against toxic protein conformations, are being actively pursued. In this article, we summarize the common pathophysiology of neurodegenerative disease, and review therapies in early-phase clinical trials that target the proteotoxic component of several neurodegenerative diseases.
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.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 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 découle