MétaCan
Menu
Retour à la cohorte
Enregistrement W4407065533 · doi:10.22541/au.173841845.54741643/v1

Bitter Taste Receptors in Inflammatory and Infectious Diseases

2025· preprint· en· W4407065533 sur OpenAlexaff
Erin Rudolph, Hannah Dychtenberg, Austin Pozniak, Priyanka Pundir

Notice bibliographique

Revuenon disponible
Typepreprint
Langueen
DomaineNursing
ThématiqueBiochemical Analysis and Sensing Techniques
Établissements canadiensUniversity of Guelph
Organismes subventionnairesnon disponible
Mots-clésTasteReceptorTaste receptorBitter tasteBiologyMedicineFood scienceInternal medicine

Résumé

récupéré en direct d'OpenAlex

Bitter taste receptors (TAS2Rs), initially identified for their role in detecting bitter compounds in the oral cavity, have emerged as multifunctional receptors with critical roles beyond taste perception. These G protein-coupled receptors are expressed in various extra-oral tissues, where they influence immune responses, inflammation, and cellular processes associated with both infectious and chronic diseases. TAS2Rs play a key role in pathogen detection, immune modulation, and physiological regulation, contributing to defense mechanisms and homeostasis across multiple systems, including the respiratory, cardiovascular, metabolic, and central nervous systems. Their unique signaling pathways, broad ligand specificity, and genetic polymorphisms highlight their complex roles in health and disease. As our understanding of TAS2Rs deepens, these receptors are gaining recognition as potential therapeutic targets for managing a wide range of conditions. However, significant challenges remain, including interspecies variability and the limited in vivo characterization of their functions. Advances in technologies such as cryo-electron microscopy and transgenic models are providing valuable insights into TAS2R structure and function, paving the way for the development of novel therapeutic strategies. This review explores the expanding landscape of TAS2R research, emphasizing their emerging importance in addressing pressing global health challenges.

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: Théorique ou conceptuel · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,005
Score d'incertitude au seuil0,016

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 savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,007
Tête enseignante GPT0,250
Écart entre enseignants0,243 · 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'étudeThéorique ou conceptuel
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

Citations0
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même sujetBiochemical Analysis and Sensing TechniquesTravaux en français237 207