MétaCan
Menu
Retour à la cohorte
Enregistrement W2124972471 · doi:10.1242/dmm.008706

Understanding the genetic and molecular pathogenesis of Friedreich’s ataxia through animal and cellular models

2012· review· en· W2124972471 sur OpenAlexfundno aff
Alain Martelli, Марек Напиерала, Hélène Puccio

Notice bibliographique

RevueDisease Models & Mechanisms · 2012
Typereview
Langueen
DomaineNeuroscience
ThématiqueGenetic Neurodegenerative Diseases
Établissements canadiensnon disponible
Organismes subventionnairesInstitute of GeneticsEuropean Commission
Mots-clésFrataxinAtaxiaBiologyDiseaseGeneticsEpigeneticsNeuroscienceComputational biologyBioinformaticsGeneIron-binding proteinsMedicinePathology

Résumé

récupéré en direct d'OpenAlex

In 1996, a link was identified between Friedreich's ataxia (FRDA), the most common inherited ataxia in men, and alterations in the gene encoding frataxin (FXN). Initial studies revealed that the disease is caused by a unique, most frequently biallelic, expansion of the GAA sequence in intron 1 of FXN. Since the identification of this link, there has been tremendous progress in understanding frataxin function and the mechanism of FRDA pathology, as well as in developing diagnostics and therapeutic approaches for the disease. These advances were the subject of the 4th International Friedreich's Ataxia Conference held on 5th-7th May in the Institut de Génétique et de Biologie Moléculaire et Cellulaire, Illkirch, France. More than 200 scientists gathered from all over the world to present the results of research spanning all areas of investigation into FRDA (including clinical aspects, FRDA pathogenesis, genetics and epigenetics of the disease, development of new models of FRDA, and drug discovery). This review provides an update on the understanding of frataxin function, developments of animal and cellular models of the disease, and recent advances in trying to uncover potential molecules for therapy.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,007

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,202
Tête enseignante GPT0,301
Écart entre enseignants0,099 · 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

Citations70
Publié2012
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDisease Models & MechanismsMême sujetGenetic Neurodegenerative DiseasesTravaux en français237 207