MétaCan
Menu
Retour à la cohorte
Enregistrement W2090849191 · doi:10.2174/1574888x113089990052

Induced Pluripotent Stem Cells for the Treatment of Stroke: The Potential and the Pitfalls

2013· review· en· W2090849191 sur OpenAlexafffund
Fenggang Yu, Yingying Li, Cindi M. Morshead

Notice bibliographique

RevueCurrent Stem Cell Research & Therapy · 2013
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésInduced pluripotent stem cellNeuroscienceStroke (engine)Progenitor cellMedicineHuman Induced Pluripotent Stem CellsSomatic cellCell therapyStem cellBiologyEmbryonic stem cellCell biologyEngineering

Résumé

récupéré en direct d'OpenAlex

The extraordinary discovery of induced pluripotent stem cells (iPSCs) has led to the very real possibility that patient-specific cell therapy can be realized. The potential to develop cell replacement therapies outside the ethical and legal limitations, has initiated a new era of hope for regenerative strategies to treat human neurological disease including stroke. In this article, we will review and compare the current approaches to derive iPSCs from different somatic cells, and the induction into neuronal phenotypes, considering the advantages and disadvantages to the methodologies of derivation. We will highlight the work relating to the use of iPSC-based therapies in models of stroke and their potential use in clinical trials. Finally, we will consider future directions and areas of exploration which may promote the realization of iPSC-based cell replacement strategies for the treatment of stroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,984
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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 Opus0,135
Tête enseignante GPT0,393
Écart entre enseignants0,258 · 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 tête enseignante, pas un consensus.

Devis d'étudeAutre devis
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

Citations7
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Stem Cell Research & TherapyMême sujetPluripotent Stem Cells ResearchTravaux en français237 207