MétaCan
Menu
Retour à la cohorte
Enregistrement W4387695446 · doi:10.20944/preprints202310.0962.v1

NanoBubble-mediated Oxygenation: Elucidating the Underlying Molecular Mechanisms in Hypoxia and Mitochondrial-related Pathologies

2023· preprint· en· W4387695446 sur OpenAlexaff
Sergio M. Viafara-García, Muhammad Saad Khan, Ziyad S. Haidar

Notice bibliographique

RevuePreprints.org · 2023
Typepreprint
Langueen
DomaineEngineering
ThématiqueNanoplatforms for cancer theranostics
Établissements canadiensToronto Metropolitan University
Organismes subventionnairesAgencia Nacional de Investigación y Desarrollo
Mots-clésHypoxia (environmental)TFAMOxygenationMitochondrionMitochondrial DNAOxygen deliveryCell biologyNeuroscienceBiologyBioinformaticsMedicineCancer researchOxygenChemistryInternal medicineBiochemistryMitochondrial biogenesisGene

Résumé

récupéré en direct d'OpenAlex

Worldwide, hypoxia-related conditions, including cancer, COVID-19, and neuro-degenerative diseases, often lead to multi-organ failure and significant mortality. Oxygen, crucial for cellular function, becomes scarce as levels drop below 10 mmHg (<2% O2), triggering mitochondrial dysregulation and activating hypoxia-induced factors (HiFs). Herein, Oxygen nanoBubbles (OnB), an emerging versatile oxygen de-livery platform, implies to offer a novel approach to address hypoxia-related pathologies. This review explores OnB oxygen delivery strategies and systems, including diffusion, ultrasound, photodynamic, and pH-responsive nanobubbles. It delves into the nanoscale mechanisms of OnB, elucidating their role in mitochondrial metabolism (TFAM, PGC1alpha), hypoxic responses (HiF-1alpha), and their interplay in chronic pathologies including cancer and neurodegenerative disorders, amongst others. By understanding these dynamics and underlying mechanisms, this article aims to contribute to our accruing knowledge of OnB and the developing potential in ameliorating hypoxia- and metabolic stress-related conditions and fostering innovative therapies.

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)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,453
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
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 Opus0,096
Tête enseignante GPT0,303
Écart entre enseignants0,207 · 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'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

Citations5
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuePreprints.orgMême sujetNanoplatforms for cancer theranosticsTravaux en français237 207