MétaCan
Menu
Retour à la cohorte
Enregistrement W3141908510 · doi:10.33137/jns.v2i1.35867

The Roles of the Microbiome in Alzheimer’s Disease

2021· article· en· W3141908510 sur OpenAlexaffvenue
Zahin Hafiz, Moina Malek, William Ju

Notice bibliographique

RevueUTSC s Journal of Natural Sciences · 2021
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGut microbiota and health
Établissements canadiensThe Scarborough HospitalUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésNeuroinflammationBlood–brain barrierDysbiosisNeuroscienceMicrogliaDiseaseGut floraMicrobiomeContext (archaeology)Gut–brain axisCentral nervous systemMedicineImmunologyBiologyInflammationBioinformaticsPathology

Résumé

récupéré en direct d'OpenAlex

The gut and the brain are in constant communication in a complex network known as the brain-gut axis. A growing body of research has found links between the brain-gut axis and Alzheimer’s Disease (AD). In this review, we will explore how the mammalian microbiome affects neuroinflammation and increases the permeability of the blood brain barrier in the context of AD. Research shows that the microbiome is associated with neuroinflammation in AD, which is presumably caused by the secretion of cytokines from specialized cells of the brain - microglia and astrocytes. On the other hand, metabolic diseases, caused by microbiota dysbiosis, can increase the permeability of the blood brain barrier. In addition, its higher permeability can allow blood plasma components to enter brain tissue and further develop AD pathology. Findings of the current research have tremendous therapeutic implications. Researchers have speculated whether the therapeutic modification of gut microbiota, through the use of antibiotics and probiotics, may show improvement in AD patients. Our understanding of the pathways and mechanisms involved in the brain-gut axis and AD is still very limited and requires further research before clinical and therapeutic interventions can occur.

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 enseignants0,407
Score d'incertitude au seuil0,110

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 Opus0,013
Tête enseignante GPT0,291
Écart entre enseignants0,278 · 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

Citations0
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueUTSC s Journal of Natural SciencesMême sujetGut microbiota and healthTravaux en français237 207