Progressive MS: from pathophysiology to drug discovery
Notice bibliographique
Résumé
Progressive multiple sclerosis (MS) will be a major area of research interest for years to come. No treatments exist and success in the field will generalise to other neurological conditions where neurodegeneration coexists with neuroinflammation. The issue is complex, and interdisciplinary approaches - uniting scientists with different competences (neurobiology, immunogenetics, etc.) and 'mindsets' (academia and industry) - will be decisive. The International Progressive MS Alliance is catalysing this process through various initiatives, the most recent of which was a meeting where scientists from academia (also outside the MS field) and from industry reviewed data and strategies to determine the next steps towards the translation of current knowledge into effective therapies.Key findings are:(i). Concerted efforts are essential to prioritise pathogenetic mechanisms according to impact on the disease and druggability.(ii). Combination therapies will probably be needed, possibly early in the disease, along with new trial designs and treatment schedules.(iii). Drug screenings are a pragmatic approach hopefully enriched by the use of neural and oligodendrocyte progenitors differentiated from induced pluripotent stem cells (iPSCs).(iv). The field of network biology will increase our ability to predict therapeutic targets.(v). Genome-wide association studies (GWAS) must try to identify variants associated with disease progression.
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 | 0,004 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,005 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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.
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 ».