MétaCan
Menu
Retour à la cohorte
Enregistrement W2173357459 · doi:10.1016/j.stemcr.2015.10.011

Creating Patient-Specific Neural Cells for the In Vitro Study of Brain Disorders

2015· article· en· W2173357459 sur OpenAlexfundno aff
Kristen Brennand, M. Carol Marchetto, Nissim Benvenisty, Oliver Brüstle, Allison D. Ebert, Juan Carlos Izpisúa Belmonte, Ajamete Kaykas, Madeline A. Lancaster, Frederick J. Livesey, Michael J. McConnell, Ronald D.G. McKay, Eric M. Morrow, Alysson R. Muotri, David M. Panchision, Lee L. Rubin, Akira Sawa, Frank Soldner, Hongjun Song, Lorenz Studer, Sally Temple, Flora M. Vaccarino, Jun Wu, Pierre Vanderhaeghen, Fred H. Gage, Rudolf Jaenisch

Notice bibliographique

RevueStem Cell Reports · 2015
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensnon disponible
Organismes subventionnairesNational Cancer InstituteNational Institute of Mental HealthNational Institute on AgingEuropean Research CouncilSeventh Framework ProgrammeLeona M. and Harry B. Helmsley Charitable TrustMedical Research CouncilTakeda Pharmaceuticals InternationalNational Institutes of HealthWalloon excellence in life sciences and biotechnologyFonds De La Recherche Scientifique - FNRSHarvard Stem Cell InstituteBundesministerium für Bildung und ForschungWellcome TrustNew York Stem Cell FoundationBrain and Behavior Research FoundationJPB FoundationU.S. Department of DefenseSimons FoundationStanley FoundationAzrieli FoundationWellcomeNational Institute of Neurological Disorders and StrokeG. Harold and Leila Y. Mathers Charitable FoundationSpinal Muscular Atrophy FoundationMaryland Stem Cell Research FundCalifornia Institute for Regenerative Medicine
Mots-clésOptimismBiologyBrain diseaseField (mathematics)Data scienceNeuroscienceDiseaseComputer sciencePsychologyPathologyMedicine

Résumé

récupéré en direct d'OpenAlex

As a group, we met to discuss the current challenges for creating meaningful patient-specific in vitro models to study brain disorders. Although the convergence of findings between laboratories and patient cohorts provided us confidence and optimism that hiPSC-based platforms will inform future drug discovery efforts, a number of critical technical challenges remain. This opinion piece outlines our collective views on the current state of hiPSC-based disease modeling and discusses what we see to be the critical objectives that must be addressed collectively as a field.

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)0,006
score de la tête « metaresearch » (Gemma)0,002
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,031

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,001
Communication savante0,0030,001
Science ouverte0,0010,002
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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 Opus0,020
Tête enseignante GPT0,265
Écart entre enseignants0,245 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations77
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueStem Cell ReportsMême sujetPluripotent Stem Cells ResearchTravaux en français237 207