MétaCan
Menu
Retour à la cohorte
Enregistrement W2006861467 · doi:10.1517/14712598.2012.693469

Exon skipping for nonsense mutations in Duchenne muscular dystrophy: too many mutations, too few patients?

2012· review· en· W2006861467 sur OpenAlexaff
Toshifumi Yokota, William Duddy, Yusuke Echigoya, Hanna Kolski

Notice bibliographique

RevueExpert Opinion on Biological Therapy · 2012
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMuscular Dystrophy CanadaUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésExon skippingNonsense mutationExonDuchenne muscular dystrophyDystrophinGeneticsNonsenseMutationBiologyMuscular dystrophyBioinformaticsMedicineGeneAlternative splicingMissense mutation

Résumé

récupéré en direct d'OpenAlex

INTRODUCTION: Duchenne muscular dystrophy (DMD), one of the most common and lethal genetic disorders, is caused by mutations of the dystrophin gene. Removal of an exon or of multiple exons using antisense molecules has been demonstrated to allow synthesis of truncated 'Becker muscular dystrophy-like' dystrophin. AREAS COVERED: Approximately 15% of DMD cases are caused by a nonsense mutation. Although patient databases have previously been surveyed for applicability to each deletion mutation pattern, this is not so for nonsense mutations. Here, we examine the world-wide database containing notations for more than 1200 patients with nonsense mutations. Approximately 47% of nonsense mutations can be potentially treated with single exon skipping, rising to 90% with double exon skipping, but to reach this proportion requires the development of exon skipping molecules targeting some 68 of dystrophin's 79 exons, with patient numbers spread thinly across those exons. In this review, we discuss progress and remaining hurdles in exon skipping and an alternative strategy, stop-codon readthrough. EXPERT OPINION: Antisense-mediated exon skipping therapy is targeted highly at the individual patient and is a clear example of personalized medicine. An efficient regulatory path for drug approval will be a key to success.

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 seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,110
Tête enseignante GPT0,376
Écart entre enseignants0,266 · 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

Citations43
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExpert Opinion on Biological TherapyMême sujetMuscle Physiology and DisordersTravaux en français237 207