MétaCan
Menu
Retour à la cohorte
Enregistrement W3128813775 · doi:10.1016/j.bbrep.2021.100934

The study of gp130/the inflammatory factors regulating osteoclast differentiation in rheumatoid arthritis

2021· article· en· W3128813775 sur OpenAlexaff
Renling Zou, Xiayang Huang, Peng Xu

Notice bibliographique

RevueBiochemistry and Biophysics Reports · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueCytokine Signaling Pathways and Interactions
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésRANKLOsteoclastRheumatoid arthritisPeripheral blood mononuclear cellImmunologyImmune systemSynovitisChemistryMedicineReceptorCancer researchInternal medicineEndocrinologyActivator (genetics)Biochemistry

Résumé

récupéré en direct d'OpenAlex

Rheumatoid arthritis (RA) is a chronic immune disease characterized by synovitis and bone destruction. The osteoclasts play a critical role in pathologic bone loss during inflammatory arthritis. In this paper, we report that Interleukin (IL)-6, IL-6Rα/gp130, IL-11, IL-27, and Matrix Metallo Proteinases (MMP)-9 expression results in serum of the RA group were significantly higher than that of the control group. The gp130 positive cells in peripheral blood mononuclear cell (PBMC) and osteoclast-like cells (OLC) which had been induced with receptor activator of nuclear factor κB ligand (RANKL) in RA group were also higher than that in the control group. In addition, after OLC in RA group is cultured with anti-gp130 Monoclonal antibody (McAb), the IL-6 and MMP-9 expression in osteoclast supernatant insignificantly decreased. Meanwhile, the expression results of Tartrate Resistant Acid Phosphatase (TRAP)-positive cells and osteoclasts were also decreased significantly. Our study suggests that regulating gp130 receptor can be used to control the differentiation and formation of osteoclasts, which provides a new clinical strategy for RA patients in the future.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,000
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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 recherche0,0000,001
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 Opus0,011
Tête enseignante GPT0,240
Écart entre enseignants0,228 · 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'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 revueBiochemistry and Biophysics ReportsMême sujetCytokine Signaling Pathways and InteractionsTravaux en français237 207