Editorial: Cellular senescence in diabetes: from markers to mechanisms and therapies
Notice bibliographique
Résumé
Editorial on the Research Topic Cellular senescence in diabetes: from markers to mechanisms and therapies Cellular senescence is a durable cell cycle arrest and response to stress that increases with age.It leads to the development of hallmark attributes such as persistent DNA damage response, metabolic adaptation, apoptosis resistance, and a secretory phenotype (the Senescence-Associated Secretory Phenotype, SASP).Recent work has shown that senescence is involved in a variety of endocrine and metabolic disorders such as obesity, fatty liver, cardiovascular disease, and diabetes, including Type 1 Diabetes, Type 2 Diabetes, and monogenic diabetes.However, due to the highly heterogeneous nature of senescence and context specificity (such as cell-type and developmental stage), there are major gaps in our understanding.Some of these gaps are: 1) lack of understanding about the mechanisms leading to activation of senescence and senescent cell accumulation during the progression of metabolic diseases, 2) specific markers that accurately distinguish senescent cells from their non-senescent counterparts still need to be determined, and 3) therapeutics that can safely and effectively counteract or mitigate senescent cell accumulation in diabetes and metabolic diseases are being studied.This Research Topic aims to examine the current status of knowledge on b-cell senescence, some of the mechanisms by which it develops, its relevance in health and disease, and its potential as a therapeutic target.The present Research Topic assembles two original research papers that explore the role of b-cell senescence in the generational transmission of metabolic dysfunction and the interaction of senescence with altered nutrient sensing, another hallmark of aging.Additionally, two review papers and one perspective consolidate the latest knowledge on b-cell senescence, mechanisms, and markers, examining strategies for targeting this population and proposing an interesting perspective on the potential role for senescence during pancreatic islet development.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,007 | 0,019 |
| Méta-épidémiologie (sens strict) | 0,005 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,003 |
| Bibliométrie | 0,004 | 0,001 |
| Études des sciences et des technologies | 0,003 | 0,003 |
| Communication savante | 0,007 | 0,004 |
| Science ouverte | 0,004 | 0,002 |
| Intégrité de la recherche | 0,016 | 0,023 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,012 | 0,010 |
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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».