MétaCan
Menu
Retour à la cohorte
Enregistrement W4200090806 · doi:10.12688/f1000research.74220.1

AXIN-AMPK signaling: Implications for healthy aging

2021· preprint· en· W4200090806 sur OpenAlexafffund
Avijit Mallick, Bhagwati P. Gupta

Notice bibliographique

RevueF1000Research · 2021
Typepreprint
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMetabolism, Diabetes, and Cancer
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésOpen peer reviewPlant biologyAMPKPhysiologyNeuroscienceMedicineBiologyCell biologyBioinformaticsKinaseProtein kinase A

Résumé

récupéré en direct d'OpenAlex

The energy sensor AMP kinase (AMPK) and the master scaffolding protein, AXIN, are two major regulators of biological processes in metazoans. AXIN-dependent regulation of AMPK activation plays a crucial role in maintaining metabolic homeostasis during glucose-deprived and energy-stressed conditions. The two proteins are also required for muscle function. While studies have refined our knowledge of various cellular events that promote the formation of AXIN-AMPK complexes and the involvement of effector proteins, more work is needed to understand precisely how the pathway is regulated in response to various forms of stress. In this review, we discuss recent data on AXIN and AMPK interaction and its role in physiological changes leading to improved muscle health and an extension of lifespan. We argue that AXIN-AMPK signaling plays an essential role in maintaining muscle function and manipulating the pathway in a tissue-specific manner could delay muscle aging. Therefore, research on understanding the factors that regulate AXIN-AMPK signaling holds the potential for developing novel therapeutics to slow down or revert the age-associated decline in muscle function, thereby extending the healthspan of animals.

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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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.

Tête enseignante Opus0,079
Tête enseignante GPT0,407
Écart entre enseignants0,328 · 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

Citations6
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueF1000ResearchMême sujetMetabolism, Diabetes, and CancerTravaux en français237 207