MétaCan
Menu
Retour à la cohorte
Enregistrement W2968788827 · doi:10.1242/dmm.038174

The expanding spectrum of neurological disorders of phosphoinositide metabolism

2019· review· en· W2968788827 sur OpenAlexafffund
Jonathan Volpatti, Almundher Al‐Maawali, Lindsay Smith, Aqeela AlHashim, Julie A. Brill, James J. Dowling

Notice bibliographique

RevueDisease Models & Mechanisms · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCellular transport and secretion
Établissements canadiensHospital for Sick ChildrenUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchNational Institutes of HealthNational Institute of Arthritis and Musculoskeletal and Skin DiseasesMuscular Dystrophy Canada
Mots-clésSpectrum (functional analysis)BiologyMetabolismNeuroscienceComputational biologyGeneticsEndocrinologyPhysics

Résumé

récupéré en direct d'OpenAlex

Phosphoinositides (PIPs) are a ubiquitous group of seven low-abundance phospholipids that play a crucial role in defining localized membrane properties and that regulate myriad cellular processes, including cytoskeletal remodeling, cell signaling cascades, ion channel activity and membrane traffic. PIP homeostasis is tightly regulated by numerous inositol kinases and phosphatases, which phosphorylate and dephosphorylate distinct PIP species. The importance of these phospholipids, and of the enzymes that regulate them, is increasingly being recognized, with the identification of human neurological disorders that are caused by mutations in PIP-modulating enzymes. Genetic disorders of PIP metabolism include forms of epilepsy, neurodegenerative disease, brain malformation syndromes, peripheral neuropathy and congenital myopathy. In this Review, we provide an overview of PIP function and regulation, delineate the disorders associated with mutations in genes that modulate or utilize PIPs, and discuss what is understood about gene function and disease pathogenesis as established through animal models of these 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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,912
Score d'incertitude au seuil0,955

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
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)0,0000,000

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 Opus0,022
Tête enseignante GPT0,262
Écart entre enseignants0,240 · 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 tête enseignante, 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

Citations39
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueDisease Models & MechanismsMême sujetCellular transport and secretionTravaux en français237 207