Notice bibliographique
Résumé
Osteoimmunology is an interdisciplinary research field combining the exciting fields of osteology and immunology. An observation that contributed enormously to the emergence of osteoimmunology was the accelerated bone loss caused by inflammatory diseases such as rheumatoid arthritis. Receptor activator of nuclear factor kappaB ligand (RANKL), which is the main regulator of osteoclastogenesis, was found to be the primary culprit responsible for the enhanced activation of osteoclasts: activated T cells directly and indirectly increased the expression of RANKL, and thereby promoted osteoclastic activity. Excessive bone loss is not only present in inflammatory diseases but also in autoimmune diseases and cancer. Furthermore, there is accumulating evidence that the very prevalent skeletal disorder osteoporosis is associated with alterations in the immune system. Meanwhile, numerous connections have been discovered in osteoimmunology beyond merely the actions of RANKL. These include the importance of osteoblasts in the maintenance of the hematopoietic stem cell niche and in lymphocyte development as well as the functions of immune cells participating in osteoblast and osteoclast development. Furthermore, research is being done investigating cytokines, chemokines, transcription factors and co-stimulatory molecules which are shared by both systems. Research in osteoimmunology promises the discovery of new strategies and the development of innovative therapeutics to cure or alleviate bone loss in inflammatory and autoimmune diseases as well as in osteoporosis. This review gives an introduction to bone remodeling and the cells governing that process and summarizes the most recent discoveries in the interdisciplinary field of osteoimmunology. Furthermore, an alternative large animal model will be discussed and the pathophysiological alterations of the immune system in osteoporosis will be highlighted.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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 tête enseignante, 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 ».