New insight into dyslipidemia‐induced cellular senescence in atherosclerosis
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Atherosclerosis, characterized by lipid-rich plaques in the arterial wall, is an age-related disorder and a leading cause of mortality worldwide. However, the specific mechanisms remain complex. Recently, emerging evidence has demonstrated that senescence of various types of cells, such as endothelial cells (ECs), vascular smooth muscle cells (VSMCs), macrophages, endothelial progenitor cells (EPCs), and adipose-derived mesenchymal stem cells (AMSCs) contributes to atherosclerosis. Cellular senescence and atherosclerosis share various causative stimuli, in which dyslipidemia has attracted much attention. Dyslipidemia, mainly referred to elevated plasma levels of atherogenic lipids or lipoproteins, or functional impairment of anti-atherogenic lipids or lipoproteins, plays a pivotal role both in cellular senescence and atherosclerosis. In this review, we summarize the current evidence for dyslipidemia-induced cellular senescence during atherosclerosis, with a focus on low-density lipoprotein (LDL) and its modifications, hydrolysate of triglyceride-rich lipoproteins (TRLs), and high-density lipoprotein (HDL), respectively. Furthermore, we describe the underlying mechanisms linking dyslipidemia-induced cellular senescence and atherosclerosis. Finally, we discuss the senescence-related therapeutic strategies for atherosclerosis, with special attention given to the anti-atherosclerotic effects of promising geroprotectors as well as anti-senescence effects of current lipid-lowering drugs.
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.
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 | 0,006 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,011 | 0,016 |
| Bibliométrie | 0,000 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,004 | 0,003 |
| Intégrité de la recherche | 0,003 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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.
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 découle