SenSkin™: a human skin-specific cellular senescence gene set
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Cellular senescence gene sets have been leveraged to overcome the inadequate sensitivity or specificity of single markers. However, growing evidence of heterogeneity among tissues in senescent cell phenotypes and gene expression profiles has highlighted the need for tissue-specific gene sets. SenSkin™ was curated by an expert review of literature on cellular senescence in the skin and characterized with pathway analysis. To validate SenSkin™, it was evaluated for enrichment with chronological aging in a bulk RNA-sequencing (RNA-seq) dataset and a pseudobulk RNA-seq dataset. Further, changes to SenSkin™ in different skin cell types with photoaging were evaluated in two single-cell RNA-seq datasets. SenSkin™ predominantly included genes related to the senescence-associated secretory phenotype (SASP), which were associated with metabolism and multiple aspects of immune responses. SenSkin™ was more enriched in chronologically aged skin than other commonly used cellular senescence and aging gene sets. In scRNA-seq, SenSkin™ displayed significant upregulation due to photoaging in ten skin cell types. In conclusion, SenSkin™ is a human skin-specific senescence gene set validated in chronological aging and photoaging, which may be more effective at detecting senescent cells in the skin than non-tissue-specific gene sets.
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.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 découle