Islet Biology During COVID-19: Progress and Perspectives
Notice bibliographique
Résumé
The coronavirus-2019 (COVID-19) pandemic has had significant impact on research directions and productivity in the past 2 years. Despite these challenges, since 2020, more than 2,500 peer-reviewed articles have been published on pancreatic islet biology. These include updates on the roles of isocitrate dehydrogenase, pyruvate kinase and incretin hormones in insulin secretion, as well as the discovery of inceptor and signalling by circulating RNAs. The year 2020 also brought advancements in in vivo and in vitro models, including a new transgenic mouse for assessing beta-cell proliferation, a "pancreas-on-a-chip" to study glucose-stimulated insulin secretion and successful genetic editing of primary human islet cells. Islet biologists evaluated the functionality of stem-cell-derived islet-like cells coated with semipermeable biomaterials to prevent autoimmune attack, revealing the importance of cell maturation after transplantation. Prompted by observations that COVID-19 symptoms can worsen for people with obesity or diabetes, researchers examined how islets are directly affected by severe acute respiratory syndrome coronavirus 2. Herein, we highlight novel functional insights, technologies and therapeutic approaches that emerged between March 2020 and July 2021, written for both scientific and lay audiences. We also include a response to these advancements from patient stakeholders, to help lend a broader perspective to developments and challenges in islet research.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,003 | 0,002 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,002 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,002 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».