Gene doping: an overview and current implications for athletes
Notice bibliographique
Résumé
The possibility of gene doping, defined as the transfer of nucleic acid sequences and/or the use of normal or genetically modified cells to enhance sport performance, is a real concern in sports medicine. The abuse of knowledge and techniques gained in the area of gene therapy is a form of doping, and is prohibited for competitive athletes. As yet there is no conclusive evidence that that gene doping has been practiced in sport. However, given that gene therapy techniques improve continuously, the likelihood of abuse will increase. A literature search was conducted to identify the most relevant proteins based on their current gene doping potential using articles from Pubmed, Scopus and Embase published between 2006 and 2011. The final list of selected proteins were erythropoietin, insulin-like growth factor, growth hormone, myostatin, vascular endothelial growth factor, fibroblast growth factor, endorphin and enkephalin, α actinin 3, peroxisome proliferator-activated receptor-delta (PPARδ) and cytosolic phosphoenolpyruvate carboxykinase (PEPCK-C). We discuss these proteins with respect to their potential benefits, existing gene therapy experience in humans, potential risks, and chances of detection in current and future anti-doping controls. We have identified PPARδ and PEPCK-C as having high potential for abuse. But we expect that for efficiency reasons, there will be a preference for inserting gene target combinations rather than single gene doping products. This will also further complicate detection.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,000 |
| 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 ».