MétaCan
Menu
Retour à la cohorte
Enregistrement W4409643150 · doi:10.1007/s10571-025-01555-z

Energy Metabolism and Brain Aging: Strategies to Delay Neuronal Degeneration

2025· review· en· W4409643150 sur OpenAlexaff
Donghui Na, Z. Zhang, Meng Meng, Meiyu Li, Junyan Gao, Jiming Kong, Guohui Zhang, Ying Guo

Notice bibliographique

RevueCellular and Molecular Neurobiology · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueAdipose Tissue and Metabolism
Établissements canadiensUniversity of Manitoba
Organismes subventionnairesNatural Science Foundation of Hebei Province
Mots-clésEnergy metabolismNeuroscienceBrain agingMitochondrionDegeneration (medical)Brain functionMetabolismBiologyMedicineCognitionCell biologyEndocrinologyPathology

Résumé

récupéré en direct d'OpenAlex

Aging is characterized by a gradual decline in physiological functions, with brain aging being a major risk factor for numerous neurodegenerative diseases. Given the brain's high energy demands, maintaining an adequate ATP supply is crucial for its proper function. However, with advancing age, mitochondria dysfunction and a deteriorating energy metabolism lead to reduced overall energy production and impaired mitochondrial quality control (MQC). As a result, promoting healthy aging has become a key focus in contemporary research. This review examines the relationship between energy metabolism and brain aging, highlighting the connection between MQC and energy metabolism, and proposes strategies to delay brain aging by targeting energy metabolism.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,992
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)0,0020,000
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 Opus0,017
Tête enseignante GPT0,290
Écart entre enseignants0,273 · 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'étudeSans objet
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

Citations29
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellular and Molecular NeurobiologyMême sujetAdipose Tissue and MetabolismTravaux en français237 207