Diversity of Microglia-Derived Molecules with Neurotrophic Properties That Support Neurons in the Central Nervous System and Other Tissues
Notice bibliographique
Résumé
Microglia, the brain immune cells, support neurons by producing several established neurotrophic molecules including glial cell line-derived neurotrophic factor (GDNF) and brain-derived neurotrophic factor (BDNF). Modern analytical techniques have identified numerous phenotypic states of microglia, each associated with the secretion of a diverse set of substances, which likely include not only canonical neurotrophic factors but also other less-studied molecules that can interact with neurons and provide trophic support. In this review, we consider the following eight such candidate cytokines: oncostatin M (OSM), leukemia inhibitory factor (LIF), activin A, colony-stimulating factor (CSF)-1, interleukin (IL)-34, growth/differentiation factor (GDF)-15, fibroblast growth factor (FGF)-2, and insulin-like growth factor (IGF)-2. The available literature provides sufficient evidence demonstrating murine cells produce these cytokines and that they exhibit neurotrophic activity in at least one neuronal model. Several distinct types of neurotrophic activity are identified that only partially overlap among the cytokines considered, reflecting either their distinct intrinsic properties or lack of comprehensive studies covering the full spectrum of neurotrophic effects. The scarcity of human-specific studies is another significant knowledge gap revealed by this review. Further studies on these potential microglia-derived neurotrophic factors are warranted since they may be used as targeted treatments for diverse neurological disorders.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 tête enseignante, 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 ».