MétaCan
Menu
Retour à la cohorte
Enregistrement W1968567584 · doi:10.1155/2008/536020

The Application of Biomarkers of Spermatogonial Stem Cells for Restoring Male Fertility

2008· review· en· W1968567584 sur OpenAlexaff
Kevin Ebata, Jonathan R. Yeh, Xiangfan Zhang, Makoto Nagano

Notice bibliographique

RevueDisease Markers · 2008
Typereview
Langueen
DomaineMedicine
ThématiqueSperm and Testicular Function
Établissements canadiensMcGill UniversityRoyal Victoria Hospital
Organismes subventionnairesnon disponible
Mots-clésBiologyStem cellFertilityFertility preservationSpermatogenesisPopulationTransplantationMale fertilityCryopreservationAndrologyImmunologyCancer researchCell biologyInternal medicineMedicineEndocrinologyEmbryo

Résumé

récupéré en direct d'OpenAlex

Spermatogonial stem cells (SSCs) are defined by their ability to both self-renew and produce differentiated germ cells that will develop into functional spermatozoa. Because of this ability, SSCs can reestablish spermatogenesis after testicular damage caused by cytotoxic agents or after transplantation into an infertile recipient. Therefore, SSCs are an important target cell for restoring male fertility, particularly for cancer patients who have to undergo sterilizing cancer therapies. In the mouse, the identification of SSC markers allows for the isolation of a highly enriched population of stem cells. This enriched stem cell population can be expanded in culture for an indefinite period of time, cryopreserved, and transplanted into infertile recipients to restore fertility. Thus, the identification of markers and the establishment of a long-term culture system for human SSCs will be crucial for realizing the potential of these cells in a clinical setting. In this article, we focus on the markers that have been identified for mouse SSCs and discuss how human SSC markers may be used in the restoration of fertility.

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)0,001
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 seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,036
Tête enseignante GPT0,307
Écart entre enseignants0,271 · 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

Citations15
Publié2008
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDisease MarkersMême sujetSperm and Testicular FunctionTravaux en français237 207