MétaCan
Menu
Retour à la cohorte
Enregistrement W4390690873 · doi:10.1139/gen-2023-0091

Should I shrink or should I grow: cell size changes in tissue morphogenesis

2024· article· en· W4390690873 sur OpenAlexafffundvenue
Gordana Scepanovic, Rodrigo Fernández‐González

Notice bibliographique

RevueGenome · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHippo pathway signaling and YAP/TAZ
Établissements canadiensHospital for Sick ChildrenTed Rogers Centre for Heart ResearchUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health ResearchNatural Sciences and Engineering Research Council of CanadaCanada Research ChairsMinistère de l’Éducation, Gouvernement de l’OntarioCanada Foundation for Innovation
Mots-clésBiologyMorphogenesisCell biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Cells change shape, move, divide, and die to sculpt tissues. Common to all these cell behaviours are cell size changes, which have recently emerged as key contributors to tissue morphogenesis. Cells can change their mass-the number of macromolecules they contain-or their volume-the space they encompass. Changes in cell mass and volume occur through different molecular mechanisms and at different timescales, slow for changes in mass and rapid for changes in volume. Therefore, changes in cell mass and cell volume, which are often linked, contribute to the development and shaping of tissues in different ways. Here, we review the molecular mechanisms by which cells can control and alter their size, and we discuss how changes in cell mass and volume contribute to tissue morphogenesis. The role that cell size control plays in developing embryos is only starting to be elucidated. Research on the signals that control cell size will illuminate our understanding of the cellular and molecular mechanisms that drive tissue morphogenesis.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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: aucune
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0010,002
Science ouverte0,0000,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,001

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 Opus0,033
Tête enseignante GPT0,278
Écart entre enseignants0,245 · 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
Publié2024
Routes d'admission3
Résumé présentoui

Explorer davantage

Même revueGenomeMême sujetHippo pathway signaling and YAP/TAZTravaux en français237 207