MétaCan
Menu
Retour à la cohorte
Enregistrement W4378835148 · doi:10.20944/preprints202305.1990.v1

The Central Role of the Kynurenine Pathway of Tryptophan Metabolism in the Pathophysiology of Frailty, Sarcopenia and Osteoporosis

2023· preprint· en· W4378835148 sur OpenAlexaff
Juan R Ballesteros, Daniel Rivas, Gustavo Duque

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineNeuroscience
ThématiqueTryptophan and brain disorders
Établissements canadiensMcGill UniversityMcGill University Health Centre
Organismes subventionnairesnon disponible
Mots-clésSarcopeniaKynurenineOsteoporosisMedicineAnabolismInternal medicineKynurenine pathwayNiacinEndocrinologyCatabolismTryptophanMetabolismBiologyAmino acidBiochemistry

Résumé

récupéré en direct d'OpenAlex

Tryptophan is an essential nutrient required to produce niacin (vitamin B3), which is needed for energy metabolism and DNA production. Alterations in tryptophan metabolism could have significant effects on aging and musculoskeletal health. The kynurenine pathway, the main catabolic route of tryptophan, is modulated by inflammatory factors, which are increased in older persons, a process known as inflammaging. Osteoporosis, sarcopenia, osteosarcopenia and frailty have also been linked with chronic increased levels of inflammatory factors. Due to the disruption of the kynurenine pathway by chronic inflammation and/or changes in the gut microbiota, serum levels of toxic kynurenines are increased and have been associated with osteoporosis, sarcopenia and frailty. In contrast, anabolic end products of this pathway, such as picolinic acid, have demonstrated a beneficial effect on bone and muscle. In addition, recent studies have shown that physical activity can modulate this pathway by promoting the secretion of anabolic kynurenines. According to the evidence collected, kynurenines could have a promising role as biomarkers for osteoporosis sarcopenia, osteosarcopenia and frailty in older persons. In addition, some of these metabolites could become important targets for developing new pharmacological treatments for these conditions.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,482
Score d'incertitude au seuil0,734

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0020,003
Intégrité de la recherche0,0000,001
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 Opus0,080
Tête enseignante GPT0,308
Écart entre enseignants0,228 · 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

Citations11
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetTryptophan and brain disordersTravaux en français237 207