MétaCan
Menu
Retour à la cohorte
Enregistrement W2029209789 · doi:10.1089/adt.2010.0305

Primary Cells and Stem Cells in Drug Discovery: Emerging Tools for High-Throughput Screening

2010· review· en· W2029209789 sur OpenAlexaff
Richard M. Eglen, Terry Reisine

Notice bibliographique

RevueAssay and Drug Development Technologies · 2010
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensPerkinElmer Biosignal
Organismes subventionnairesnon disponible
Mots-clésDrug discoveryPhenotypic screeningStem cellEmbryonic stem cellHigh-throughput screeningPrimary cellHigh-content screeningPhenotypeComputational biologyBiologyCellHomogeneousCell biologyBioinformaticsGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Many drug discovery screening programs employ immortalized cells, recombinantly engineered to express a defined molecular target. Several technologies are now emerging that render it feasible to employ more physiologically, and clinically relevant, cell phenotypes. Consequently, numerous approaches use primary cells, which retain many functions seen in vivo, as well as endogenously expressing the target of interest. Furthermore, stem cells, of either embryonic or adult origin, as well as those derived from differentiated cells, are now finding a place in drug discovery. Collectively, these cells are expanding the utility of authentic human cells, either as screening tools or as therapeutics, as well as providing cells derived directly from patients. Nonetheless, the growing use of phenotypically relevant cells (including primary cells or stem cells) is not without technical difficulties, particularly when their envisioned use lies in high-throughput screening (HTS) protocols. In particular, the limited availability of homogeneous primary or stem cell populations for HTS mandates that novel technologies be developed to accelerate their adoption. These technologies include detection of responses with very few cells as well as protocols to generate cell lines in abundant, homogeneous populations. In parallel, the growing use of changes in cell phenotype as the assay readout is driving greater use of high-throughput imaging techniques in screening. Taken together, the greater availability of novel primary and stem cell phenotypes as well as new detection technologies is heralding a new era of cellular screening. This convergence offers unique opportunities to identify drug candidates for disorders at which few therapeutics are presently available.

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)0,011
score de la tête « metaresearch » (Gemma)0,008
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: aucune
Score de désaccord entre enseignants0,011
Score d'incertitude au seuil0,058

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0110,008
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0050,001
Bibliométrie0,0040,003
Études des sciences et des technologies0,0010,003
Communication savante0,0040,005
Science ouverte0,0030,003
Intégrité de la recherche0,0030,006
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 Opus0,030
Tête enseignante GPT0,278
Écart entre enseignants0,247 · 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

Citations101
Publié2010
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAssay and Drug Development TechnologiesMême sujet3D Printing in Biomedical ResearchTravaux en français237 207