MétaCan
Menu
Retour à la cohorte
Enregistrement W4289839174 · doi:10.3389/fphar.2022.932179

Editorial: Natural products as drivers in drug development for neurodegenerative disorders

2022· editorial· en· W4289839174 sur OpenAlexaff
Joana Silva, Rebeca Alvariño, Márcia Inês Goettert, Héctor J. Caruncho, Celso Alves

Notice bibliographique

RevueFrontiers in Pharmacology · 2022
Typeeditorial
Langueen
DomaineMedicine
ThématiqueMedicinal Plants and Neuroprotection
Établissements canadiensUniversity of Victoria
Organismes subventionnairesEuropean Regional Development FundFundação para a Ciência e a TecnologiaCentro de Ciências do Mar e do AmbienteCoordenação de Aperfeiçoamento de Pessoal de Nível Superior
Mots-clésDrug developmentDrugMedicinePharmacology

Résumé

récupéré en direct d'OpenAlex

The prevalence of neurological disorders (NDs) is a large and increasing health burden worldwide and is one of the emerging reasons for morbidity, mortality, and cognitive impairment in aging. Impact of NDs is expected to significantly increase in the next decades due to the progressive aging of the world society In the specific case of neurodegenerative process, it leads to malfunctions and cellular death, which seems to be triggered by a set of complex biological mechanisms, such as protein aberrant aggregation, mitochondrial dysfunction, oxidative stress, defective protein quality control, and degradation pathways, stress granules, and maladaptive immune response Despite the advances achieved, the effectiveness of current drugs to control, delay, or block the NDs progression is still limited Thus, the discovery and development of new therapeutic agents that can improve the currently therapeutic regimes are of utmost importance. Accordingly, a large focus has been placed on the potential of natural products (NPs) as new natural neuroprotective agents, essentially due to their scaffold diversity, structural complexity, and ability to activate several intracellular signaling pathways through distinct mechanisms of action while presenting fewer side-effects

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: Sans objet
GenreSignal candidat: Éditorial · Signal consensuel: Éditorial
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,003
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 Opus0,007
Tête enseignante GPT0,284
Écart entre enseignants0,277 · 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
GenreÉditorial

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetMedicinal Plants and NeuroprotectionTravaux en français237 207