MétaCan
Menu
← Retour à la cohorte
Enregistrement W3191462315 · doi:10.18433/jpps31458

Research progress on vesicle cycle and neurological disorders

2021· review· en· W3191462315 sur OpenAlexvenueno aff
Chengcheng Zhang, Li‐Juan Zhu, Ce Chen

Notice bibliographique

RevueJournal of Pharmacy & Pharmaceutical Sciences · 2021
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeuroscience and Neuropharmacology Research
Établissements canadiensnon disponible
Organismes subventionnairesGovernment of Jiangsu ProvinceNatural Science Foundation of Jiangsu ProvinceNational Natural Science Foundation of China
Mots-clésNeurotransmissionPostsynaptic potentialNeuroscienceSynaptic vesicleSynaptic plasticityExocytosisVesicle fusionSynaptic cleftSynaptic fatigueActive zoneBiologyMunc-18Inhibitory postsynaptic potentialVesicleReceptorBiochemistryExcitatory postsynaptic potentialSecretion

Résumé

récupéré en direct d'OpenAlex

Neurons are special polarized cells whose synaptic vesicles release neurotransmitters into the synaptic cleft, acting on postsynaptic receptors and thus transmitting information from presynaptic to postsynaptic states. The integrity of the vesicle cycle is critical to the transmission of neural signals in the brain. According to the molecular mechanism of calcium-triggered release, the assembly of soluble N-ethylmaleimide-sensitive factor attachment protein receptors (SNAREs) is required in the process of synaptic vesicle fusion and vesicle exocytosis. Many delicate steps are required to maintain the dynamic process of 'release-recycle', including intermediate processes and the dynamic balance of neurotransmission. Various neurodegenerative and neuropsychiatric diseases result from synaptic cycle dysfunction. This review of the relationships between the structure and function of synaptic vesicles in physiological and pathological conditions provides a theoretical basis for synaptic transmission and a novel avenue for the study of synaptic plasticity associated with mood disorders, highlighting potential targets for treating diseases.

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)0,001
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: Synthèse
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0070,004

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 Opus0,428
Tête enseignante GPT0,592
Écart entre enseignants0,164 · 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

Citations21
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Pharmacy & Pharmaceutical Sciences→Même sujetNeuroscience and Neuropharmacology Research→Travaux en français237 207→