MétaCan
Menu
Retour à la cohorte
Enregistrement W2156219379 · doi:10.1111/epi.12692

<scp>WONOEP</scp> appraisal: New genetic approaches to study epilepsy

2014· review· en· W2156219379 sur OpenAlexfundaboutno aff
Elsa Rossignol, Katja Kobow, Michele Simonato, Jeffrey A. Loeb, Thierry Grisar, Krista L. Gilby, Jonathan Vinet, Shilpa D. Kadam, Albert J. Becker

Notice bibliographique

RevueEpilepsia · 2014
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics and Neurodevelopmental Disorders
Établissements canadiensnon disponible
Organismes subventionnairesEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentNational Institute of Neurological Disorders and StrokeFonds de Recherche du Québec - SantéCanadian Institutes of Health ResearchFP7 People: Marie-Curie ActionsSavoy FoundationNational Institutes of HealthDeutsche Forschungsgemeinschaft
Mots-clésEpileptogenesisEpilepsyNeuroscienceBiologyOptogeneticsEpigeneticsCell typeReprogrammingDravet syndromeComputational biologyGeneticsGeneCell

Résumé

récupéré en direct d'OpenAlex

New genetic investigation techniques, including next-generation sequencing, epigenetic profiling, cell lineage mapping, targeted genetic manipulation of specific neuronal cell types, stem cell reprogramming, and optogenetic manipulations within epileptic networks are progressively unraveling the mysteries of epileptogenesis and ictogenesis. These techniques have opened new avenues to discover the molecular basis of epileptogenesis and to study the physiologic effects of mutations in epilepsy-associated genes on a multilayer level, from cells to circuits. This manuscript reviews recently published applications of these new genetic technologies in the study of epilepsy, as well as work presented by the authors at the genetic session of the XII Workshop on the Neurobiology of Epilepsy (WONOEP 2013) in Quebec, Canada. Next-generation sequencing is providing investigators with an unbiased means to assess the molecular causes of sporadic forms of epilepsy and has revealed the complexity and genetic heterogeneity of sporadic epilepsy disorders. To assess the functional impact of mutations in these newly identified genes on specific neuronal cell types during brain development, new modeling strategies in animals, including conditional genetics in mice and in utero knock-down approaches, are enabling functional validation with exquisite cell-type and temporal specificity. In addition, optogenetics, using cell-type-specific Cre recombinase driver lines, is enabling investigators to dissect networks involved in epilepsy. In addition, genetically encoded cell-type labeling is providing new means to assess the role of the nonneuronal components of epileptic networks such as glial cells. Furthermore, beyond its role in revealing coding variants involved in epileptogenesis, next-generation sequencing can be used to assess the epigenetic modifications that lead to sustained network hyperexcitability in epilepsy, including methylation changes in gene promoters and noncoding ribonucleic acid (RNA) involved in modifying gene expression following seizures. In addition, genetically based bioluminescent reporters are providing new opportunities to assess neuronal activity and neurotransmitter levels both in vitro and in vivo in the context of epilepsy. Finally, genetically rederived neurons generated from patient induced pluripotent stem cells and genetically modified zebrafish have become high-throughput means to investigate disease mechanisms and potential new therapies. Genetics has changed the field of epilepsy research considerably, and is paving the way for better diagnosis and therapies for patients with epilepsy.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,933
Score d'incertitude au seuil0,999

Scores Codex et Gemma par catégorie

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

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 Opus0,082
Tête enseignante GPT0,309
Écart entre enseignants0,227 · 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'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

Citations15
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEpilepsiaMême sujetGenetics and Neurodevelopmental DisordersTravaux en français237 207