MétaCan
Menu
Retour à la cohorte
Enregistrement W4281761032 · doi:10.1101/cshperspect.a041233

The Contribution of Innervation to Tissue Repair and Regeneration

2022· article· en· W4281761032 sur OpenAlexaff
Adam P. W. Johnston, Freda D. Miller

Notice bibliographique

RevueCold Spring Harbor Perspectives in Biology · 2022
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNerve injury and regeneration
Établissements canadiensCanada's Michael Smith Genome Sciences CentreUniversity of British ColumbiaUniversity of Prince Edward Island
Organismes subventionnairesnon disponible
Mots-clésRegeneration (biology)BiologyAxonRegenerative medicineNeuroscienceCell biologyAnatomyAutotomySchwann cellStem cell

Résumé

récupéré en direct d'OpenAlex

Animals such as amphibians have an incredible capacity for regeneration with some being able to regrow their tail or appendages. Although some mammalian tissues like the skin and bones can repair following injury, there are only a few examples of true multilineage regeneration, including the distal portion of the digit tip. In both amphibians and mammals, however, to achieve successful repair or regeneration, it is now appreciated that intact nerve innervation is a necessity. Here, we review the current state of literature and discuss recent advances that identify axon-derived signals, Schwann cells, and nerve-derived mesenchymal cells as direct and indirect supporters of adult tissue homeostasis and repair. We posit that understanding how nerves positively influence repair and regeneration could lead to targeted regenerative medicine strategies to enhance tissue repair in humans.

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)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,433
Score d'incertitude au seuil0,281

Scores Codex et Gemma par catégorie

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

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 Opus0,021
Tête enseignante GPT0,297
Écart entre enseignants0,276 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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 revueCold Spring Harbor Perspectives in BiologyMême sujetNerve injury and regenerationTravaux en français237 207