MétaCan
Menu
Retour à la cohorte
Enregistrement W4220975090 · doi:10.3389/fphar.2022.866738

Glutamate Scavenging as a Neuroreparative Strategy in Ischemic Stroke

2022· review· en· W4220975090 sur OpenAlexfundno aff
Oykum Kaplan‐Arabaci, Alperen Acari, Pinar Ciftci, Devrim Gözüaçık

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typereview
Langueen
DomaineNeuroscience
ThématiqueNeurological Disease Mechanisms and Treatments
Établissements canadiensnon disponible
Organismes subventionnairesNorges ForskningsrådNatural Sciences and Engineering Research Council of CanadaTürkiye Bilimsel ve Teknolojik Araştırma KurumuInstituto de Salud Carlos IIIEuroNanoMed III
Mots-clésExcitotoxicityStroke (engine)NeuroprotectionMedicineGlutamate receptorIschemic strokeIschemiaBrain ischemiaNeurosciencePharmacologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Stroke is the second highest reason of death in the world and the leading cause of disability. The ischemic stroke makes up the majority of stroke cases that occur due to the blockage of blood vessels. Therapeutic applications for ischemic stroke include thrombolytic treatments that are in limited usage and only applicable to less than 10% of the total stroke patients, but there are promising new approaches. The main cause of ischemic neuronal death is glutamate excitotoxicity. There have been multiple studies focusing on neuroprotection via reduction of glutamate both in ischemic stroke and other neurodegenerative diseases that ultimately failed due to the obstacles in delivery. At that point, systemic glutamate grabbing, or scavenging is an ingenious way of decreasing glutamate levels upon ischemic stroke. The main advantage of this new therapeutic method is the scavengers working in the circulating blood so that there is no interference with the natural brain neurophysiology. In this review, we explain the molecular mechanisms of ischemic stroke, provide brief information about existing drugs and approaches, and present novel systemic glutamate scavenging methods. This review hopefully will elucidate the potential usage of the introduced therapeutic approaches in stroke patients.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Charge utile insuffisante (le modèle a refusé de juger)
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 enseignants0,981
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,071
Tête enseignante GPT0,371
Écart entre enseignants0,300 · 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 tête enseignante, pas un consensus.

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

Citations41
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetNeurological Disease Mechanisms and TreatmentsTravaux en français237 207