MétaCan
Menu
Retour à la cohorte
Enregistrement W1992657824 · doi:10.4236/ojmc.2013.31001

New Gene Therapy Strategies for the Deletion of Exon 44 of Dystrophin Gene Based on Gene Editing by TALENs

2013· article· en· W1992657824 sur OpenAlexaff
Ping Li, Yunzhi Pan, Alice S. S. Li, Aijuan Sun, Jia Zhang, Huirong Gao, Pierré Sirois, Kai Li

Notice bibliographique

RevueOpen Journal of Medicinal Chemistry · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensCentre hospitalier de l'Université LavalUniversity of Waterloo
Organismes subventionnairesDivision of Graduate EducationPriority Academic Program Development of Jiangsu Higher Education InstitutionsNational Natural Science Foundation of China
Mots-clésTranscription activator-like effector nucleaseGenetic enhancementDuchenne muscular dystrophyMuscular dystrophyGenome editingDystrophinGeneticsExonGeneExon skippingBiologyBioinformaticsMedicineComputational biologyCRISPRAlternative splicing

Résumé

récupéré en direct d'OpenAlex

Duchenne Muscular Dystrophy (DMD) is a severe childhood form of muscular dystrophy. Both the severe form and its milder form of Becker Muscular Dystrophy (BMD) are caused by the mutation of dystrophin gene. Different from some other genetic diseases such as hemophilia that can be treated by replacement therapy, there is no effective therapy for muscular dystrophy in conventional medication. Gene editing technology from the recently developed engineered nucleases such as TALENs has been successfully employed in genome modification of a variety of species, and will be applied in gene therapy of selected human diseases. The genetic basis of DMD and BMD indicates that DMD is a good target for gene therapy through returning the reading frame of dystrophin gene. Gene therapy strategies described here may apply to many other genetic diseases. Wider application of TALENs in gene therapy have the potential to dramatically prolong the lifespan of individuals with genetic 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 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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,014
Score d'incertitude au seuil0,530

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 ouverte0,0010,000
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 Opus0,024
Tête enseignante GPT0,312
Écart entre enseignants0,287 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations0
Publié2013
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueOpen Journal of Medicinal ChemistryMême sujetVirus-based gene therapy researchTravaux en français237 207