Platelets and osteoblasts: secretome connections
Notice bibliographique
Résumé
Megakaryocyte hyperplasia associated with myeloproliferative neoplasms commonly leads to abnormal bone tissue deposition in the bone marrow, known as osteosclerosis. In this study, we aimed to synthesize the known proteomics literature describing factors released by megakaryocytes and platelets and to examine if any of the secreted factors have a known ability to stimulate the bone-forming cells, osteoblasts. Using a systematic search of Medline, we identified 77 articles reporting on factors secreted by platelets and megakaryocytes. After a full-text screening and analysis of the studies, we selected seven papers that reported proteomics data for factors secreted by platelets from healthy individuals. From 60 proteins reported in at least two studies, we focused on 23 that contained a putative signal peptide, which we searched for a potential osteoblast-stimulatory function. From nine proteins with a positive effect on osteoblast formation and function, two extracellular matrix (ECM) proteins, secreted protein acidic and rich in cysteine (SPARC) and tissue inhibitor of metalloproteinase-1 (TIMP1), and three cellular proteins with known extracellular function, the 70-kDa heat shock protein (HSP70), thymosin-β4 (TB4), and super dismutase (SOD), were identified as hypothetical candidate molecules to be examined as potential mediators in mouse models of osteomyelofibrosis. Thus, careful analysis of prior literature can be beneficial in assisting the planning of future experimental studies.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,005 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,004 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,004 | 0,005 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».