MétaCan
Menu
Retour à la cohorte
Enregistrement W3164685102 · doi:10.3390/cells10061335

Challenges with Methods for Detecting and Studying the Transcription Factor Nuclear Factor Kappa B (NF-κB) in the Central Nervous System

2021· review· en· W3164685102 sur OpenAlexafffund
Marina Mostafizar, Claudia Mariana Cortes-Pérez, Wanda M. Snow, Jelena Djordjevic, Aida Adlimoghaddam, Benedict C. Albensi

Notice bibliographique

RevueCells · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueNF-κB Signaling Pathways
Établissements canadiensUniversity of ManitobaSt. Boniface Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchFondation de l’Hôpital Saint-Boniface
Mots-clésTranscription factorBiologyNF-κBNeuroscienceSignal transductionNFKB1IκB kinaseCell biologyInflammationGeneComputational biologyImmunologyGenetics

Résumé

récupéré en direct d'OpenAlex

The transcription factor nuclear factor kappa B (NF-κB) is highly expressed in almost all types of cells. NF-κB is involved in many complex biological processes, in particular in immunity. The activation of the NF-κB signaling pathways is also associated with cancer, diabetes, neurological disorders and even memory. Hence, NF-κB is a central factor for understanding not only fundamental biological presence but also pathogenesis, and has been the subject of intense study in these contexts. Under healthy physiological conditions, the NF-κB pathway promotes synapse growth and synaptic plasticity in neurons, while in glia, NF-κB signaling can promote pro-inflammatory responses to injury. In addition, NF-κB promotes the maintenance and maturation of B cells regulating gene expression in a majority of diverse signaling pathways. Given this, the protein plays a predominant role in activating the mammalian immune system, where NF-κB-regulated gene expression targets processes of inflammation and host defense. Thus, an understanding of the methodological issues around its detection for localization, quantification, and mechanistic insights should have a broad interest across the molecular neuroscience community. In this review, we summarize the available methods for the proper detection and analysis of NF-κB among various brain tissues, cell types, and subcellular compartments, using both qualitative and quantitative methods. We also summarize the flexibility and performance of these experimental methods for the detection of the protein, accurate quantification in different samples, and the experimental challenges in this regard, as well as suggestions to overcome common challenges.

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)0,034
score de la tête « metaresearch » (Gemma)0,039
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: aucune
Score de désaccord entre enseignants0,034
Score d'incertitude au seuil0,182

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0340,039
Méta-épidémiologie (sens strict)0,0020,002
Méta-épidémiologie (sens large)0,0030,002
Bibliométrie0,0040,002
Études des sciences et des technologies0,0010,005
Communication savante0,0040,004
Science ouverte0,0050,004
Intégrité de la recherche0,0040,010
Charge utile insuffisante (le modèle a refusé de juger)0,0040,006

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 Opus0,119
Tête enseignante GPT0,347
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'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

Citations33
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetNF-κB Signaling PathwaysTravaux en français237 207