MétaCan
Menu
Retour à la cohorte
Enregistrement W4390109195 · doi:10.4103/1673-5374.391181

Emerging role of galectin 3 in neuroinflammation and neurodegeneration

2023· article· en· W4390109195 sur OpenAlexafffund
Brian M. Lozinski, Khanh Ta, Yifei Dong

Notice bibliographique

RevueNeural Regeneration Research · 2023
Typearticle
Langueen
DomaineImmunology and Microbiology
ThématiqueGalectins and Cancer Biology
Établissements canadiensUniversity of SaskatchewanUniversity of Calgary
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaSaskatchewan Health Research FoundationFondation Brain Canada
Mots-clésNeuroinflammationNeurodegenerationNeuroscienceMicrogliaMultiple sclerosisInflammationDiseaseBiologyMedicineImmunologyPathology

Résumé

récupéré en direct d'OpenAlex

Neuroinflammation and neurodegeneration are key processes that mediate the development and progression of neurological diseases. However, the mechanisms modulating these processes in different diseases remain incompletely understood. Advances in single cell based multi-omic analyses have helped to identify distinct molecular signatures such as Lgals3 that is associated with neuroinflammation and neurodegeneration in the central nervous system (CNS). Lgals3 encodes galectin-3 (Gal3), a β-galactoside and glycan binding glycoprotein that is frequently upregulated by reactive microglia/macrophages in the CNS during various neurological diseases. While Gal3 has previously been associated with non-CNS inflammatory and fibrotic diseases, recent studies highlight Gal3 as a prominent regulator of inflammation and neuroaxonal damage in the CNS during diseases such as multiple sclerosis, Alzheimer's disease, and Parkinson's disease. In this review, we summarize the pleiotropic functions of Gal3 and discuss evidence that demonstrates its detrimental role in neuroinflammation and neurodegeneration during different neurological diseases. We also consider the challenges of translating preclinical observations into targeting Gal3 in the human CNS.

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)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,045
Tête enseignante GPT0,346
Écart entre enseignants0,301 · 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

Citations31
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueNeural Regeneration ResearchMême sujetGalectins and Cancer BiologyTravaux en français237 207