Animal models in xenotransplantation
Notice bibliographique
Résumé
The severe shortage of donor organs has provided a strong impetus to push the investigation into the use of animal organs for humans. Xenotransplantation will not only benefit patients, but also represents a unique and potentially profitable business opportunity. However, there are many barriers to successful clinical xenotransplantation, including immunological barriers, physiological incompatibility, zoonosis and ethical concerns. This overview will focus on currently available animal models used in attempts to break through the immunological barriers to xenotransplantation. There are many advantages to using small animal, namely rodent, models in xenotransplantation research. For example, the use of the mouse model allows the use of knockout mice and careful dissection of rejection mechanisms at the molecular level. The following models can be used to study hyperacute rejection (HAR): guinea-pig-to-rat, mouse-to-rabbit, guinea-pig-to-mouse, rat-to-presensitised mouse and rat-to-alpha-Gal knockout mouse. The hamster-to-rat, mouse-to-rat and rat-to-mouse models are commonly used to study acute vascular rejection. Large animal models are complex and expensive, but they are more relevant to clinical xenotransplantation. Based on experiments using transgenic pig-to-primate models, HAR can be overcome. However, acute vascular rejection remains a major barrier at the present time. A pig cartilage-to-monkey model has been developed to study chronic rejection. Other novel models such as pig venous segment-to-monkey model and rat-to-primate model may represent viable options to study immunological barriers following xenotransplantation. Like many other medical breakthroughs, animal research will continue to make enormous contributions towards the eventual success of xenotransplantation.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».