MétaCan
Menu
Retour à la cohorte
Enregistrement W3081231483 · doi:10.1016/j.cytogfr.2020.08.003

Mechanisms of NLRP3 priming in inflammaging and age related diseases

2020· review· en· W3081231483 sur OpenAlexfundno aff
Anna Gritsenko, Jack Green, David Brough, Gloria López‐Castejón

Notice bibliographique

RevueCytokine & Growth Factor Reviews · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammasome and immune disorders
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilMedical Research Council CanadaWellcome Trust
Mots-clésInflammasomeInflammationPriming (agriculture)ImmunologyAgeingPathogenesisInnate immune systemMedicineImmune systemBiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

The NLRP3 inflammasome is a vital part of the innate immune response, whilst its aberrant activation drives the progression of a number of non-communicable diseases. Thus, NLRP3 inflammasome assembly must be tightly controlled at several checkpoints. The priming step of NLRP3 inflammasome activation is associated with increased NLRP3 gene expression, as well as post-translational modifications that control NLRP3 levels and licence the NLRP3 protein for inflammasome assembly. Increasing life expectancy in modern society is accompanied by a growing percentage of elderly individuals. The process of aging is associated with chronic inflammation that drives and/or worsens a range of age related non-communicable conditions. The NLRP3 inflammasome is known to contribute to pathological inflammation in many settings, but the mechanisms that prime NLRP3 for activation throughout aging and related co-morbidities have not been extensively reviewed. Here we dissect the biochemical changes that occur during aging and the pathogenesis of age related diseases and analyse the mechanisms by which they prime the NLRP3 inflammasome, thus exacerbating inflammation.

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 enseignants0,003
Score d'incertitude au seuil0,011

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
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,024
Tête enseignante GPT0,287
Écart entre enseignants0,263 · 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

Citations125
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCytokine & Growth Factor ReviewsMême sujetInflammasome and immune disordersTravaux en français237 207