Complexity of Determining Cause and Effect In Vivo After Antisense Gene Therapy
Notice bibliographique
Résumé
Injuries to joint tissues are major clinical problems occurring with significant frequency and resulting in the formation of scar tissue or in some tissues with no healing at all. Such scar tissue has compromised biomechanical integrity, which leads to impaired function, increased risk of reinjury, induction of remodeling in other joint tissues and increases the risk of diseases such as ostheoarthritis. Development of new therapies, such as gene therapy, to enhance repair could have a significant impact on quality of life for patients. The well-characterized rabbit medial collateral ligament injury model was used to transiently modulate the expression of specific molecules during early stages of healing. The small matrix proteoglycan decorin, known to influence matrix assembly and to bind and growth factors, was targeted in vivo using decorin-specific antisense oligodeoxynucleotides and Hemagglutinating Virus of Japan-Liposome method. After 4 weeks of healing, scar tissue was assessed after antisense exposure by reverse transcription polymerase chain reaction, Western Blot analysis, light and transmission electron microscopy, and biomechanically for low and high load behavior. Ligament scar messenger ribonucleic acid and protein levels for decorin decreased and collagen fibril diameter size increased after antisense treatment. Creep and stress at failure improved after antisense treatment indicating a functional improvement in the scar tissue. However, messenger ribonucleic acid levels for multiple genes were affected by the decorin-specific antisense treatment and therefore all of the observed improvements in the scar tissue cannot be directly ascribed to depressing decorin levels.
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 | 0,002 | 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 | 0,001 |
| 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) | 0,000 | 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 ».