Ageing signalling pathways: Quantifying the effects of protein interactions
Notice bibliographique
Résumé
Cells adapt their metabolism and activities in response to signals from their surroundings, and this ability is essential for their survival in the face of environmental changes. In mammalian tissues a deficit of these mechanisms is commonly associated with cellular aging and degenerative diseases related to aging, such as cardiovascular disease, cancer, immune system decline, and neurological pathologies. Several proteins have been identified as being able to respond directly to energy, nutrient, and growth factor levels and stress stimuli in order to mediate adaptations in the cell. In particular, mTOR, AMPK, and sirtuins are known to play an essential role in the management of metabolic stress and in the mechanisms and metabolism of ageing of mammals. Given that the ageing process remains to be completely understood, the goal of this study is to gain insights into the interactions of the proteins in the ageing‐related signalling pathways, and how those interactions may impact longevity and related diseases. To achieve that goal, we have developed a computational model of ageing signalling pathways. Specifically, the insulin growth factor/mTOR pathway and the sirtuin pathway are represented. The model simulates the interactions among Akt, mTORC1, AMPK, NAD, and SIRT, and predicts their dynamics. The model can be used as an essential component to simulate gene manipulation, therapies (e.g., resveratrol and curcumin), calorie restrictions, and chronic stress, and assess their functional implications on longevity and ageing‐related diseases. Support or Funding Information This research was supported in part by the Canada 150 Research Chair program.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 source (Gemma direct ou Codex distillé), 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 ».