MétaCan
Menu
Retour à la cohorte
Enregistrement W4390168225 · doi:10.1021/acsbiomaterials.3c01615

Activation of Dopamine Receptor D1 and Downstream Cellular Functions by Polydopamine

2023· article· en· W4390168225 sur OpenAlexaff
Xin Sun, Chao Wu, Xiaowen Tian, Peng Wang, Junling Guo, Zhenhua Shao, Qiang Wei

Notice bibliographique

RevueACS Biomaterials Science & Engineering · 2023
Typearticle
Langueen
DomaineMaterials Science
ThématiquePolymer Surface Interaction Studies
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesNational Natural Science Foundation of China
Mots-clésDopamineReceptorDopamine receptorNeurotransmitterRHOAD1-like receptorAgonistChemistryCatecholBiophysicsDopamine receptor D1Cell biologyNeuroscienceNanotechnologyBiologyMaterials scienceSignal transductionBiochemistry

Résumé

récupéré en direct d'OpenAlex

Polydopamine is a remarkable molecule that has gained considerable attention for its role in material surface modification, leading to an abundance of research in the biomaterial domain. While its widespread use is well documented, the molecule's potential cellular interactions have been less explored. In particular, dopamine serves as a neurotransmitter and a hormone that interacts with dopamine receptors in cells. Our study sheds light on the previously unexamined interaction between polydopamine and dopamine receptor D1 (DRD1). We discovered that polydopamine, along with its derivatives, such as levodopa and catechol, can activate DRD1─a function previously attributed solely to dopamine. Moreover, we found that polydopamine has the ability to influence cell behavior through the cAMP/PKA pathway, thereby affecting RhoA activity and stress fiber formation. These observations invite further consideration regarding the biological safety of polydopamine in biomedical contexts and also open avenues for new research directions in designing bioactive functional materials.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,010
Tête enseignante GPT0,231
Écart entre enseignants0,221 · 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'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

Citations4
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Biomaterials Science & EngineeringMême sujetPolymer Surface Interaction StudiesTravaux en français237 207