MétaCan
Menu
Retour à la cohorte
Enregistrement W3096636232 · doi:10.1152/japplphysiol.00542.2020

Autophagy and heat: a potential role for heat therapy to improve autophagic function in health and disease

2020· review· en· W3096636232 sur OpenAlexafffund
James J. McCormick, Karol Dokładny, Pope Moseley, Glen P. Kenny

Notice bibliographique

RevueJournal of Applied Physiology · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueAutophagy in Disease and Therapy
Établissements canadiensUniversity of Ottawa
Organismes subventionnairesCanadian Institutes of Health ResearchNovo Nordisk FondenGovernment of Canada
Mots-clésAutophagyMechanism (biology)Cell biologyFunction (biology)DiseaseBiologyMedicineNeuroscienceBioinformaticsApoptosisPathologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Autophagy is a crucial cell survival mechanism that involves the degradation and recycling of old or damaged organelles and proteins to maintain cellular homeostasis. Impairments in autophagy are central to the pathogenesis of many conditions including metabolic and neurodegenerative disorders, cardiovascular and pulmonary diseases, diabetes, and aging. Although various pharmacological agents may be able to stimulate autophagic function, to our knowledge, few interventions exist that have been deemed safe and effective in humans. An emerging body of evidence suggests that targeting the autophagic pathway via passive heating (heat therapy) may stimulate autophagic function. Therefore, the primary focus of the present review is to analyze the mechanisms in which passive heating induces autophagy as defined by in vitro and in vivo (animal and human) models. Our secondary focus is to examine the implications of utilizing passive heating to restore dysfunctional autophagy in chronic disease and aging. Finally, we discuss potential therapeutic strategies to implement passive heating to stimulate autophagic function in humans.

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 enseignants0,004
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)0,0010,001
Bibliométrie0,0020,002
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)0,0040,002

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 Opus0,016
Tête enseignante GPT0,313
Écart entre enseignants0,297 · 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

Citations44
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Applied PhysiologyMême sujetAutophagy in Disease and TherapyTravaux en français237 207