MétaCan
Menu
Retour à la cohorte
Enregistrement W4394131540 · doi:10.6084/m9.figshare.20078636

Toll-like receptor 9 (TLR9) gene deletion-mediated fracture healing in type II diabetic osteoporosis associates with inhibition of the nuclear factor-kappa B (NF-κB) signaling pathway

2022· dataset· en· W4394131540 sur OpenAlexaff
Jiakai Han, Qian Zheng, Yongxia Cheng, Yong Liu, Yuxin Bai, Bin Yan, Sufen Guo, Jianbo Yu, Xinxin Li, Chong Wang

Notice bibliographique

RevueFigshare · 2022
Typedataset
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBone Metabolism and Diseases
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésTLR9NFKB1Toll-like receptorOsteoporosisGeneReceptorNF-κBSignal transductionCancer researchChemistryMedicineBiologyCell biologyInternal medicineGeneticsTranscription factorGene expressionInnate immune system

Résumé

récupéré en direct d'OpenAlex

Diabetes is characterized by increased fracture risk. Evidence from in vivo studies is lacking for anti-fracture strategies in diabetes. Our microarray analyses predicted association of Toll-like receptor 9 (TLR9) with both diabetes and osteoporosis, which was the focus of this work in a murine model of type II diabetic osteoporosis (T2DOP). A T2DOP model with fracture was established in TLR9 knockout (TLR9−/−) mice, which were then treated with the NF-κB signaling pathway inhibitor (PDTC) and activator (TNF-α). The obtained data suggested that TLR9 knockout augmented regeneration of bone tissues and cartilage area in the callus, and diminished fibrous tissues in T2DOP mice. Moreover, TLR9 depletion significantly affected bone mineral density (BMD), bone volume/tissue volume (BV/TV), connectivity density, trabecular number, trabecular separation and trabecular thickness, thus promoting fracture recovery. Bone morphology and structure were also improved in response to TLR9 depletion in T2DOP mice. TLR9 depletion inactivated NF-κB signaling in T2DOP mice. PDTC was found to enhance fracture healing in T2DOP mice, while TNF-α negated this effect. Collectively, these data indicate that TLR9 depletion may hold anti-fracture properties, making it a potential therapeutic target for T2DOP. Abbreviations: Diabetic osteoporosis (DOP); bone mineral density (BMD); Toll-like receptors (TLRs); type 2 diabetes (T2D); Toll-like receptor 9 (TLR9); nuclear factor-kappaB (NF-κB); streptozotocin (STZ); type 2 diabetic osteoporosis (T2DOP); Gene Expression Omnibus (GEO); Kyoto encyclopedia of genes and genomes (KEGG); pyrrolidine dithiocarbamate (PDTC); computed tomography (CT); Hematoxylin–eosin (HE); bone morphogenetic protein 7 (BMP7); analysis of variance (ANOVA);

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: Jeu de données · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,010
Tête enseignante GPT0,211
Écart entre enseignants0,201 · 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
GenreJeu de données

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFigshareMême sujetBone Metabolism and DiseasesTravaux en français237 207