MétaCan
Menu
Retour à la cohorte
Enregistrement W4409616541 · doi:10.1016/j.cophys.2025.100828

Current advances in protein phosphatases in kidney disease

2025· article· en· W4409616541 sur OpenAlexafffund
Marina Rousseau, Pedro Geraldes

Notice bibliographique

RevueCurrent Opinion in Physiology · 2025
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueBiochemical and Molecular Research
Établissements canadiensCentre Hospitalier Universitaire de SherbrookeUniversité de Sherbrooke
Organismes subventionnairesCanadian Institutes of Health ResearchDiabetes Canada
Mots-clésPhosphataseComputational biologyBiologyBiochemistryPhosphorylation

Résumé

récupéré en direct d'OpenAlex

Chronic kidney disease (CKD) affects a large portion of the global population and is characterized by alterations in kidney function. Unfortunately, patients who progress to end-stage kidney disease have little chance of kidney function reversal and will ultimately need dialysis or a kidney transplant. Therefore, understanding the underlying mechanisms of CKD progression is critical for developing new therapies. Protein phosphatases are essential regulators of signal transduction in the normal function of cells. The deregulation of different protein phosphatases has been associated with kidney disease onset and progression. This review aims to highlight the recent advances in the role of protein phosphatases in kidney health and disease. Mainly, attention will be brought to three of the four main families of protein phosphatases (serine/threonine, protein tyrosine, and dual-specificity phosphatases). Since kidney disease encompasses a wide range of pathologies, this review will focus on glomerulopathies, diabetic kidney disease, acute kidney injury, and advanced CKD/fibrosis. • Protein phosphatase modulation can be pathology and cell specific. • The modulation of PTEN: a target in all types of CKD. • Serine/threonine phosphatases are at the forefront of glomerulopathy studies. • microRNAs targeting protein phosphatases as an emerging subject in kidney disease.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,789
Score d'incertitude au seuil0,653

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,019
Tête enseignante GPT0,360
Écart entre enseignants0,341 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in PhysiologyMême sujetBiochemical and Molecular ResearchTravaux en français237 207