Promising use of metformin in treating neurological disorders: biomarker-guided therapies
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Neurological disorders are a diverse group of conditions that affect the nervous system and include neurodegenerative diseases (Alzheimer's disease, multiple sclerosis, Parkinson's disease, Huntington's disease), cerebrovascular conditions (stroke), and neurodevelopmental disorders (autism spectrum disorder). Although they affect millions of individuals around the world, only a limited number of effective treatment options are available today. Since most neurological disorders express mitochondria-related metabolic perturbations, metformin, a biguanide type II antidiabetic drug, has attracted a lot of attention to be repurposed to treat neurological disorders by correcting their perturbed energy metabolism. However, controversial research emerges regarding the beneficial/detrimental effects of metformin on these neurological disorders. Given that most neurological disorders have complex etiology in their pathophysiology and are influenced by various risk factors such as aging, lifestyle, genetics, and environment, it is important to identify perturbed molecular functions that can be targeted by metformin in these neurological disorders. These molecules can then be used as biomarkers to stratify subpopulations of patients who show distinct molecular/pathological properties and can respond to metformin treatment, ultimately developing targeted therapy. In this review, we will discuss mitochondria-related metabolic perturbations and impaired molecular pathways in these neurological disorders and how these can be used as biomarkers to guide metformin-responsive treatment for the targeted therapy to treat neurological disorders.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle