Pharmacogenomics and animal models of schizophrenia
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Abstract Schizophrenia is a syndromal brain disease of largely unknown pathophysiology and most likely heterogeneous etiology in which genetic predisposition constitutes the major risk factor. In recent years, a shift from a monolithic view of the disorder is leading to its dissection into component phenotypic modules or endophenotypes that may differ in pathophysiology, underlying genetic diathesis, or treatment response. Reducing phenotypic heterogeneity by focusing on endophenotypes will facilitate the production of valid animal models to be used in experimental approaches, improve our chances of uncovering genes predisposing to the disease in linkage or association approaches, and simplify generation of novel molecular targets for the drug discovery process. We hereby review some recently generated mouse models that replicate specific endophenotypes observed in schizophrenia and that implicate putative contributing genes that may be exploited to explore novel drug targets. These are derived from opposing but complementary perspectives. One approach developed in our work begins with mouse models of schizophrenia traits to uncover candidate schizophrenia genes. Another approach followed by several other groups begins with putative schizophrenia vulnerability genes to investigate the corresponding endophenotype in mouse models. Combined with global analysis of gene expression, these mouse models offer the hope that the disease‐causing and treatment pathways implicated in schizophrenia will finally be unraveled. Drug Dev. Res. 60:95–103, 2003. © 2003 Wiley‐Liss, Inc.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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