DNA repair enzymes in sunscreens and their impact on photoageing—A systematic review
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
BACKGROUND: DNA damage is one of the main factors responsible for photoageing and is predominantly attributed to ultraviolet irradiation (UV-R). Photoprotection by conventional sunscreens is exclusively prophylactic, and of no value, once DNA damage has occurred. As a result, the demand for DNA repair mechanisms inhibiting, reversing or delaying the pathologic events in UV-exposed skin has sparked research on anti-photoageing and strategies to improve the effect of conventional sunscreens. This review provides an overview of recent developments in DNA repair enzymes used in sunscreens and their impact on photoageing. METHODS: A systematic review of the literature, up to March 2019, was conducted using the electronic databases, PubMed and Web of Science. Quality assessment was carried out using the Newcastle-Ottawa scale (NOS) to ensure inclusion of adequate quality studies only (NOS > 5). RESULTS: Out of the 352 publications, 52 were considered relevant to the key question and included in the present review. Two major enzymes were found to play a major role in DNA damage repair in sunscreens: photolyase and T4 endonuclease V. These enzymes are capable of identifying and removing UV-R-induced dimeric photoproducts. Clinical studies revealed that sunscreens with liposome-encapsulated types of photolyase and/or T4 endonuclease V can enhance these repair mechanisms. CONCLUSION: There is a lack of randomized controlled trials demonstrating the efficacy of DNA repair enzymes on photoageing, or a superiority of sunscreens with DNA repair enzymes compared to conventional sunscreens. Further studies are mandatory to further reveal pathogenic factors of photoageing and possible therapeutic strategies against it.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,016 | 0,002 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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