Gene Therapy, A Targeted Treatment for Diabetic Nephropathy
Notice bibliographique
Résumé
Diabetic nephropathy (DN) is a major complication of diabetes and the leading cause of end-stage renal disease (ESRD). Approximately, one third of diabetic patients develop diabetic nephropathy. As diabetes and its associated metabolic diseases are becoming epidemic, DN is emerging as a major health threat to humans. Currently, there are no effective therapeutic treatments for the disease. As a result, most DN cases progress to ESRD; patients with ESRD will need to undergo renal replacement through either dialysis or kidney transplantation. Therefore, developing new and effective means to control DN has been a major focus in the diabetes research. DN is a complex disease with pathological changes occurred in the glomerulus and renal tubules. It is, nonetheless, widely believed that the primary defects lie in the glomeruli, which lead to disrupting the integrity of the glomerular filtration barrier. While a variety of factors contribute to the impairment of glomerular filtration function, a large body of evidence demonstrates that damage in podocytes is the leading cause. Renal fibrosis plays critical roles in promoting DN progression. The primary mechanism responsible for renal fibrosis is abnormal activation of the transforming growth factor (TGF)-β pathway. Based on this understanding of DN pathogenesis, one strategy to control DN is to specifically protect podocytes from diabetes-induced injuries and to inhibit TGF-β signaling using gene therapy methodology. In this review, we will discuss the current research effort in developing gene therapy for DN.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| 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) | 0,001 | 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 ».