MétaCan
Menu
Retour à la cohorte
Enregistrement W4296380271 · doi:10.1101/cshperspect.a041231

The Role of Myofibroblasts in Physiological and Pathological Tissue Repair

2022· review· en· W4296380271 sur OpenAlexafffund
Ronen Schuster, Fereshteh S. Younesi, Maya Ezzo, Boris Hinz

Notice bibliographique

RevueCold Spring Harbor Perspectives in Biology · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueMesenchymal stem cell research
Établissements canadiensSt. Michael's HospitalUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchMitacsUniversity of Toronto
Mots-clésMyofibroblastWound healingFibrosisExtracellular matrixBiologyPathologyCell biologySkin repairMedicineImmunology

Résumé

récupéré en direct d'OpenAlex

Myofibroblasts are the construction workers of wound healing and repair damaged tissues by producing and organizing collagen/extracellular matrix (ECM) into scar tissue. Scar tissue effectively and quickly restores the mechanical integrity of lost tissue architecture but comes at the price of lost tissue functionality. Fibrotic diseases caused by excessive or persistent myofibroblast activity can lead to organ failure. This review defines myofibroblast terminology, phenotypic characteristics, and functions. We will focus on the central role of the cell, ECM, and tissue mechanics in regulating tissue repair by controlling myofibroblast action. Additionally, we will discuss how therapies based on mechanical intervention potentially ameliorate wound healing outcomes. Although myofibroblast physiology and pathology affect all organs, we will emphasize cutaneous wound healing and hypertrophic scarring as paradigms for normal tissue repair versus fibrosis. A central message of this review is that myofibroblasts can be activated from multiple cell sources, varying with local environment and type of injury, to either restore tissue integrity and organ function or create an inappropriate mechanical environment.

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)0,000
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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.

Tête enseignante Opus0,066
Tête enseignante GPT0,388
Écart entre enseignants0,322 · 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

Citations202
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCold Spring Harbor Perspectives in BiologyMême sujetMesenchymal stem cell researchTravaux en français237 207