MétaCan
Menu
Retour à la cohorte
Enregistrement W1988510447 · doi:10.1096/fj.03-1171rev

Gene and cell‐based therapies for heart disease

2004· review· en· W1988510447 sur OpenAlexaff
Luis G. Melo, Alok S. Pachori, Deling Kong, Massimiliano Gnecchi, Kai Wang, Richard E. Pratt, Victor J. Dzau

Notice bibliographique

RevueThe FASEB Journal · 2004
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensQueen's University
Organismes subventionnairesNational Heart, Lung, and Blood InstituteNational Institutes of Health
Mots-clésMedicineDiseaseGenetic enhancementClinical trialRegeneration (biology)Stem cellHeart diseaseHeart failureBioinformaticsPathologyGeneInternal medicineBiologyGenetics

Résumé

récupéré en direct d'OpenAlex

Heart disease remains the prevalent cause of premature death and accounts for a significant proportion of all hospital admissions. Recent developments in understanding the molecular mechanisms of myocardial disease have led to the identification of new therapeutic targets, and the availability of vectors with enhanced myocardial tropism offers the opportunity for the design of gene therapies for both protection and rescue of the myocardium. Genetic therapies have been devised to treat complex diseases such as myocardial ischemia, heart failure, and inherited myopathies in various animal models. Some of these experimental therapies have made a successful transition to clinical trial and are being considered for use in human patients. The recent isolation of endothelial and cardiomyocyte precursor cells from adult bone marrow may permit the design of strategies for repair of the damaged heart. Cell-based therapies may have potential application in neovascularization and regeneration of ischemic and infarcted myocardium, in blood vessel reconstruction, and in bioengineering of artificial organs and prostheses. We expect that advances in the field will lead to the development of safer and more efficient vectors. The advent of genomic screening technology should allow the identification of novel therapeutic targets and facilitate the detection of disease-causing polymorphisms that may lead to the design of individualized gene and cell-based therapies.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,971
Score d'incertitude au seuil0,629

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,034
Tête enseignante GPT0,319
Écart entre enseignants0,284 · 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'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

Citations73
Publié2004
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe FASEB JournalMême sujetPluripotent Stem Cells ResearchTravaux en français237 207