Egr-ly awaiting a “personalized medicine” approach to treat scleroderma
Notice bibliographique
Résumé
Scleroderma, an autoimmune disorder characterized by skin and organ fibrosis, has no treatment. Although over the past decade valuable insights into the molecular mechanisms underlying scleroderma have been generated, results in clinical trials have been disappointing. This issue is likely to arise due to the heterogeneity of scleroderma. Molecular insights into the heterogeneity of this disease have been provided by genome-wide expression profiling. In a recent paper, Bhattacharyya and colleagues (PLOS One 6:e23082, 2011b) to show that the overexpression of a range of "fibroproliferative" genes in diffuse cutaneous scleroderma patients are likely to be caused by the overexpression of transcription factor Early growth response (Egr)-1. Only a minority of Egr-1-regulated genes were also found to be regulated by TGF-ß. Moreover, Greenblatt and colleagues (Am J Pathol., 2012) have shown that the overexpression of "inflammatory" genes overexpressed in "localized" scleroderma and a small subset of limited and diffuse scleroderma patients is likely to be due to the activity of interleukin-13 (IL-13). Intriguingly, at a gene expression level, murine sclerodermatous graft-versus-host disease (sclGVHD) approximates this inflammatory subset of scleroderma. These data suggest that targeting Egr-1 expression/activity might be a novel therapeutic strategy to control fibrosis in a subset of diffuse scleroderma patients, and further emphasize that notion that elevated canonical TGFβ signaling is insufficient to explain the fibrosis observed in scleroderma. Moreover, targeting IL-13 expression/activity might be a novel therapeutic strategy to target the inflammation leading to "localized" scleroderma.
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 | 0,001 | 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 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 ».