MétaCan
Menu
Retour à la cohorte
Enregistrement W4229045255 · doi:10.3390/ijms23095136

The Emerging Role of Extracellular Vesicles Detected in Different Biological Fluids in COPD

2022· review· en· W4229045255 sur OpenAlexaff
Tommaso Neri, Alessandro Celi, Mariaenrica Tinè, Nicol Bernardinello, Manuel G. Cosío, Marina Saetta, Dario Nieri, Erica Bazzan

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueExtracellular vesicles in disease
Établissements canadiensMcGill UniversityChristie (Canada)
Organismes subventionnairesUniversità degli Studi di Padova
Mots-clésMicrovesiclesCOPDPathogenesisExtracellular vesiclesChemokineInflammationImmunologyExtracellular vesicleDiseaseBiologyPulmonary diseaseMedicineBioinformaticsmicroRNACell biologyPathologyGenetics

Résumé

récupéré en direct d'OpenAlex

The pathogenesis of chronic obstructive pulmonary disease (COPD) is characterized by complex cellular and molecular mechanisms, not fully elucidated so far. It involves inflammatory cells (monocytes/macrophages, neutrophils, lymphocytes), cytokines, chemokines and, probably, new players yet to be clearly identified and described. Chronic local and systemic inflammation, lung aging and cellular senescence are key pathological events in COPD development and progression over time. Extracellular vesicles (EVs), released by virtually all cells both as microvesicles and exosomes into different biological fluids, are involved in intercellular communication and, therefore, represent intriguing players in pathobiological mechanisms (including those characterizing aging and chronic diseases); moreover, the role of EVs as biomarkers in different diseases, including COPD, is rapidly gaining recognition. In this review, after recalling the essential steps of COPD pathogenesis, we summarize the current evidence on the roles of EVs collected in different biological mediums as biomarkers in COPD and as potential players in the specific mechanisms leading to disease development. We will also briefly review the data on EV as potential therapeutic targets and potential therapeutic agents.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,002
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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 ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,028
Tête enseignante GPT0,321
Écart entre enseignants0,294 · 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

Citations12
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetExtracellular vesicles in diseaseTravaux en français237 207