News from the old: Aging features in the intracardiac, musculoskeletal, and enteric nervous systems
Notice bibliographique
Résumé
Aging strongly affects the peripheral nervous system (PNS), triggering alterations that vary depending on the innervated tissue. The most frequent alteration in peripheral nerve aging is reduced nerve fiber and glial density which can lead to abnormal nerve functionality. Interestingly, the activation of a destructive phenotype takes place in macrophages across the PNS while a reduced number of neuronal bodies is a unique feature of some enteric ganglia. Single cell/nucleus RNA-sequencing has unveiled a striking complexity of cell populations in the peripheral nerves, and these refined cell type annotations could facilitate a better understanding of PNS aging. While the effects of senescence on individual PNS cell types requires further characterization, the use of senolytics appears to improve general PNS function in models of aging. Here, we review the current understanding of age-related changes of the intracardiac, musculoskeletal, and enteric nervous system sub-sections of the PNS, highlighting their commonalities and differences. • The most common feature of aging in PNS is a reduction of nerve fiber and glial cell density. • PNS macrophages activate a destructive phenotype during aging. • Different sections of the PNS present different ECM protein deposits with age. • The molecular mechanisms behind PNS degeneration during aging remain unclear. • While promising, the effects of senolytics in the PNS need further investigation.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,003 |
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 source (Gemma direct ou Codex distillé), 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 ».