MétaCan
Menu
Retour à la cohorte
Enregistrement W3082819950 · doi:10.1002/cti2.1167

Resident macrophages as potential therapeutic targets for cardiac ageing and injury

2020· review· en· W3082819950 sur OpenAlexaff
Shiqing Zhang, Rong Chen, Subrata Chakrabarti, Zhaoliang Su

Notice bibliographique

RevueClinical & Translational Immunology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensWestern University
Organismes subventionnairesGovernment of Jiangsu ProvinceSix Talent Peaks Project in Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésInflammationCardiac function curveNeuroscienceRegeneration (biology)MedicineFunction (biology)SenescenceHeart RhythmBiologyCell biologyHeart failureCardiologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Cardiac-resident macrophages (CRMs) play critical roles in maintaining cardiac homoeostasis and removing senescent and dying cells. Recent preclinical data have re-energised the area of cardioimmunology and provided improved understanding of the modulation of compositional and functional phenotypes of CRMs. These data can aid in achieving improved cardiac regeneration, repair and functional remodelling following cardiac injury. In this review, we discuss the composition and renewal of various subsets of CRMs. Specific attention has been given to delineate the roles of various CRM subsets with respect to (1) facilitation of cardiac development and maintenance of physiological function such as electrical conduction and rhythm; (2) promotion of cardiac regeneration, inflammation resolution and functional remodelling following a cardiac injury; and (3) therapeutic potential. We have also highlighted the relationship between CRM replenishment and cardiomyocyte senescence as well as cardiovascular diseases development. Finally, we have addressed future perspectives and directions in basic research and potentially clinical applications of CRMs.

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)0,001
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 seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
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)0,0050,002

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 Opus0,066
Tête enseignante GPT0,430
Écart entre enseignants0,365 · 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

Citations16
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueClinical & Translational ImmunologyMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207