MétaCan
Menu
Retour à la cohorte
Enregistrement W4410497778 · doi:10.1111/febs.70136

Increased chromatin accessibility underpins senescence

2025· review· en· W4410497778 sur OpenAlexafffund
Stéphane Lopes‐Paciencia, Gerardo Ferbeyre

Notice bibliographique

RevueFEBS Journal · 2025
Typereview
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesInstitute of Cancer Research
Mots-clésChromatinSenescenceTelomereBiologyCell biologyChromatin remodelingContext (archaeology)HistoneEpigenomeCellular senescenceEpigeneticsGeneticsDNA methylationPhenotypeGene expressionDNAGene

Résumé

récupéré en direct d'OpenAlex

Senescence is a cellular state induced by various stressors or extracellular signals, but a universal pathway that triggers this process irrespective of the initial stressor has yet to be identified. Recent data indicate that chromatin opening, particularly in the noncoding genome, is a hallmark of cellular senescence. We propose a model in which this increased chromatin accessibility mediated by transcription factors downstream of the senescence-inducing stressors acts as a decisive factor to commit cells toward the senescence fate. Engagement toward senescence is then determined by the balance between mechanisms that increase or decrease chromatin accessibility and can be influenced by modulating the activity of specific histone-modifying complexes. Traits of senescent cells, such as increased nuclear and nucleolar size, the secretion of pro-inflammatory cytokines, reduced rRNA biogenesis, telomere dysfunction, expression of retrotransposons and endogenous retroviruses, as well as DNA damage, can all be attributed to increased chromatin accessibility. This concept suggests potential targets to tilt the balance toward the senescence response in the context of future therapies against cancer and age-related diseases.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,057
Tête enseignante GPT0,384
Écart entre enseignants0,327 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations9
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFEBS JournalMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207