MétaCan
Menu
Retour à la cohorte
Enregistrement W2979340817 · doi:10.1111/tra.12704

Biomolecular condensates in neurodegeneration and cancer

2019· review· en· W2979340817 sur OpenAlexafffund
Stephanie Spannl, Maria Tereshchenko, Giovanni J. Mastromarco, Sean J. Ihn, Hyun O. Lee

Notice bibliographique

RevueTraffic · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Research and Splicing
Établissements canadiensCanada Research ChairsUniversity of Toronto
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanada First Research Excellence FundConnaught Fund
Mots-clésNeurodegenerationBiologyOrganelleIntracellularCompartment (ship)Cell biologyNeuroscienceCell physiologyComputational biologyDiseaseCellBiochemistry

Résumé

récupéré en direct d'OpenAlex

The intracellular environment is partitioned into functionally distinct compartments containing specific sets of molecules and reactions. Biomolecular condensates, also referred to as membrane-less organelles, are diverse and abundant cellular compartments that lack membranous enclosures. Molecules assemble into condensates by phase separation; multivalent weak interactions drive molecules to separate from their surroundings and concentrate in discrete locations. Biomolecular condensates exist in all eukaryotes and in some prokaryotes, and participate in various essential house-keeping, stress-response and cell type-specific processes. An increasing number of recent studies link abnormal condensate formation, composition and material properties to a number of disease states. In this review, we discuss current knowledge and models describing the regulation of condensates and how they become dysregulated in neurodegeneration and cancer. Further research on the regulation of biomolecular phase separation will help us to better understand their role in cell physiology and disease.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,003

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 Opus0,046
Tête enseignante GPT0,356
Écart entre enseignants0,310 · 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'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

Citations126
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTrafficMême sujetRNA Research and SplicingTravaux en français237 207