MétaCan
Menu
Retour à la cohorte
Enregistrement W3007152931 · doi:10.1515/hsz-2019-0427

Proteostasis in thermogenesis and obesity

2020· review· en· W3007152931 sur OpenAlexaff
Alexander Bartelt, Scott B. Widenmaier

Notice bibliographique

RevueBiological Chemistry · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensUniversity of Saskatchewan
Organismes subventionnairesnon disponible
Mots-clésProteostasisThermogenesisBiologyEndoplasmic reticulumCell biologyUnfolded protein responseOvernutritionAutophagyAdipose tissueEndocrinologyObesityBiochemistry

Résumé

récupéré en direct d'OpenAlex

The proper production, degradation, folding and activity of proteins, proteostasis, is essential for any cellular function. From single cell organisms to humans, selective pressures have led to the evolution of adaptive programs that ensure proteins are properly produced and disposed of when necessary. Environmental factors such as temperature, nutrient availability, pathogens as well as predators have greatly influenced the development of mechanisms such as the unfolded protein response, endoplasmic reticulum-associated protein degradation and autophagy, working together in concert to secure cellular proteostasis. In our modern society, the metabolic systems of the human body face the distinct challenge of changed diets, chronic overnutrition and sedentary lifestyles. Obesity and excess white adipose tissue accumulation are linked to a cluster of metabolic diseases and disturbed proteostasis is a common feature. Conversely, processes that promote energy expenditure such as exercise, shivering as well as non-shivering thermogenesis by brown adipose tissue (BAT) and beige adipocytes counteract metabolic dysfunction. Here we review the basic concepts of proteostasis in obesity-linked metabolic diseases and focus on adipocytes, which are critical regulators of mammalian energy metabolism.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,091
Tête enseignante GPT0,337
Écart entre enseignants0,246 · 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

Citations28
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiological ChemistryMême sujetAdipose Tissue and MetabolismTravaux en français237 207