MétaCan
Menu
Retour à la cohorte
Enregistrement W4206347499 · doi:10.3389/fmed.2021.802063

Targeting Pyroptotic Cell Death Pathways in Retinal Disease

2022· review· en· W4206347499 sur OpenAlexaff
Mary Zhao, Siqi Li, Joanne A. Matsubara

Notice bibliographique

RevueFrontiers in Medicine · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueInflammasome and immune disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPyroptosisInflammasomePyrin domainProgrammed cell deathNecroptosisMedicineRetinalDiseaseApoptosisCaspaseRetinal degenerationCancer researchBioinformaticsBiologyImmunologyInflammationPathologyOphthalmologyGenetics

Résumé

récupéré en direct d'OpenAlex

Pyroptosis is a gasdermin-mediated, pro-inflammatory form of cell death distinct from apoptosis. In recent years, increasing attention has shifted toward pyroptosis as more studies demonstrate its involvement in diverse inflammatory disease states, including retinal diseases. This review discusses how currently known pyroptotic cell death pathways have been implicated in models of age-related macular degeneration, diabetic retinopathy, and glaucoma. We also identify potential future therapeutic strategies for these retinopathies that target drivers of pyroptotic cell death. Presently, the drivers of pyroptosis that have been studied the most in retinal cells are the nucleotide-binding and oligomerization domain-like receptor family pyrin domain-containing 3 (NLRP3) inflammasome, caspase-1, and gasdermin D (GSDMD). Targeting these proteins may help us develop new drug therapies, or supplement existing therapies, in the treatment of retinal diseases. As novel mechanisms of pyroptosis come to light, including those involving other inflammatory caspases and members of the gasdermin protein family, more targets for pyroptosis-mediated therapies in retinal disease can be explored.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,019
Tête enseignante GPT0,266
Écart entre enseignants0,247 · 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

Citations15
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in MedicineMême sujetInflammasome and immune disordersTravaux en français237 207