MétaCan
Menu
Retour à la cohorte
Enregistrement W4408674214 · doi:10.3389/fragi.2025.1547883

Rock inhibitors in Alzheimer’s disease

2025· review· en· W4408674214 sur OpenAlexaff
Chao Zheng, Weiming Xia, Jianhua Zhang

Notice bibliographique

RevueFrontiers in Aging · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueAlzheimer's disease research and treatments
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesNational Institute on Aging
Mots-clésAstrocytosisNeuroinflammationGliosisNeuroscienceTauopathySenile plaquesDiseaseDementiaMicrogliaAlzheimer's diseasePathologyBiologyMedicineInflammationNeurodegenerationImmunologyCentral nervous system

Résumé

récupéré en direct d'OpenAlex

Alzheimer's disease (AD) is the most common age-related neurodegenerative disease and cause of dementia. AD pathology primarily involves the formation of amyloid β (Aβ) plaques and neurofibrillary tangles containing hyperphosphorylated tau (p-tau). While Aβ targeted treatments have shown clinical promise, other aspects of AD pathology such as microgliosis, astrocytosis, synaptic loss, and hypometabolism may be viable targets for treatment. Among notable novel therapeutic approaches, the Ras homolog (Rho)-associated kinases (ROCKs) are being investigated as targets for AD treatment, based on the observations that ROCK1/2 levels are elevated in AD, and activation or inhibition of ROCKs changes dendritic/synaptic structures, protein aggregate accumulation, inflammation, and gliosis. This review will highlight key findings on the effects of ROCK inhibition in Aβ and ptau pathologies, as well as its effects on neuroinflammation, synaptic density, and potentially metabolism and bioenergetics.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,935
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,001
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)0,0000,000

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 Opus0,040
Tête enseignante GPT0,360
Écart entre enseignants0,320 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations6
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in AgingMême sujetAlzheimer's disease research and treatmentsTravaux en français237 207