MétaCan
Menu
Retour à la cohorte
Enregistrement W3128135108 · doi:10.1042/bst20190730

Finding new edges: systems approaches to MTOR signaling

2021· article· en· W3128135108 sur OpenAlexfundno aff

Notice bibliographique

RevueBiochemical Society Transactions · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePI3K/AKT/mTOR signaling in cancer
Établissements canadiensnon disponible
Organismes subventionnairesRijksuniversiteit GroningenDeutsche ForschungsgemeinschaftEuropean CommissionMinistère de l'Économie, de la Science et de l'Innovation - Québec
Mots-clésSystems biologyPI3K/AKT/mTOR pathwayAnabolismSignal transductionFeed forwardKinaseCell signaling

Résumé

récupéré en direct d'OpenAlex

Cells have evolved highly intertwined kinase networks to finely tune cellular homeostasis to the environment. The network converging on the mechanistic target of rapamycin (MTOR) kinase constitutes a central hub that integrates metabolic signals and adapts cellular metabolism and functions to nutritional changes and stress. Feedforward and feedback loops, crosstalks and a plethora of modulators finely balance MTOR-driven anabolic and catabolic processes. This complexity renders it difficult - if not impossible - to intuitively decipher signaling dynamics and network topology. Over the last two decades, systems approaches have emerged as powerful tools to simulate signaling network dynamics and responses. In this review, we discuss the contribution of systems studies to the discovery of novel edges and modulators in the MTOR network in healthy cells and in disease.

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: aucune
Score de désaccord entre enseignants0,669
Score d'incertitude au seuil0,996

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 Opus0,092
Tête enseignante GPT0,264
Écart entre enseignants0,172 · 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

Citations7
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiochemical Society TransactionsMême sujetPI3K/AKT/mTOR signaling in cancerTravaux en français237 207