MétaCan
Menu
Retour à la cohorte
Enregistrement W3122740042 · doi:10.2217/nnm-2020-0372

Potential Treatment of Parkinson’S Disease Using New-Generation Carbon Nanotubes: A Biomolecular <i>In Silico</i> Study

2021· article· en· W3122740042 sur OpenAlexaff
Ehsan Alimohammadi, Arash Nikzad, Mohammad Khedri, Milad Rezaian, Ahmad Miri Jahromi, Nima Rezaei, Reza Maleki

Notice bibliographique

RevueNanomedicine · 2021
Typearticle
Langueen
DomaineEngineering
ThématiqueGraphene and Nanomaterials Applications
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésIn silicoDiseaseParkinson's diseaseCarbon nanotubeNanotechnologyComputational biologyMedicineBiologyMaterials sciencePathologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Background: One of the underlying mechanisms of Parkinson’s disease is the aggregation of α-synuclein proteins, including amyloids and Lewy bodies in the brain. Aim: To study the inhibitory effect of doped carbon nanotubes (CNTs) on amyloid aggregation. Materials & methods: Molecular dynamics tools were utilized to simulate the influence of CNTs doped with phosphorus, nitrogen and bromine and nitrogen on the formation of α-synuclein amyloid. Results: The CNTs exhibited strong interactions with α-synuclein, with phosphorus-doped CNTs having the most substantial interactions. Conclusion: Doped-CNTs, especially phosphorus-doped carbon nanotube could effectively prevent α-synuclein amyloid formation, thus, it could be considered as a potential treatment for Parkinson’s disease. However, further in vitro and clinical investigations are required.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,104
Score d'incertitude au seuil0,533

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,016
Tête enseignante GPT0,242
Écart entre enseignants0,226 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations20
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueNanomedicineMême sujetGraphene and Nanomaterials ApplicationsTravaux en français237 207