MétaCan
Menu
Retour à la cohorte
Enregistrement W2021839551 · doi:10.1089/ten.tec.2012.0524

Differentiation of Human Embryonic Stem Cells Using Size-Controlled Embryoid Bodies and Negative Cell Selection in the Production of Photoreceptor Precursor Cells

2013· article· en· W2021839551 sur OpenAlexafffund
Anat Yanai, Christopher Laver, Aaron W. Joe, Ishaq A. Viringipurampeer, Xia Wang, Cheryl Y. Gregory‐Evans, Kevin Gregory‐Evans

Notice bibliographique

RevueTissue Engineering Part C Methods · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRetinal Development and Disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésEmbryoid bodyEmbryonic stem cellCell biologyRetinalCell cultureBiologyCellStem cellChemistryBiochemistryGeneticsAdult stem cell

Résumé

récupéré en direct d'OpenAlex

We proposed to optimize the retinal differentiation protocols for human embryonic stem cells (hESCs) by improving cell handling. To improve efficiency, we first focused on the production of just one retinal precursor cell type (photoreceptor precursor cells [PPCs]) rather than the production of a range of retinal cells. Combining information from a number of previous studies, in particular the use of a feeder-free culture medium and taurine plus triiodothyronine supplements, we then assessed the values of using size-controlled embryoid bodies (EBs) and negative cell selection (to remove residual embryonic antigen-4-positive hESCs). Using size-controlled 1000 cell EBs, significant improvements were made, in that 78% CRX+ve PPCs could be produced in just 17 days. This could be increased to 93% PPCs through the added step of negative cell selection. Improved efficiency of PPC production will help in efforts to undertake shorter and larger preclinical studies as a prelude to future clinical trials.

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)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,013
Tête enseignante GPT0,275
Écart entre enseignants0,262 · 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'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

Citations23
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueTissue Engineering Part C MethodsMême sujetRetinal Development and DisordersTravaux en français237 207