MétaCan
Menu
Retour à la cohorte
Enregistrement W2280833244 · doi:10.1002/jbmr.2816

Small Players Ruling the Hard Game: siRNA in Bone Regeneration

2016· review· en· W2280833244 sur OpenAlexaff
Saber Ghadakzadeh, Mina Mekhail, Ahmed Aoude, Reggie C. Hamdy, Maryam Tabrizian

Notice bibliographique

RevueJournal of Bone and Mineral Research · 2016
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueRNA Interference and Gene Delivery
Établissements canadiensMcGill UniversityMontreal Children's Hospital
Organismes subventionnairesnon disponible
Mots-clésRegeneration (biology)Small interfering RNAGene silencingMedicineBioinformaticsBiologyRNACell biologyGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Silencing gene expression through a sequence-specific manner can be achieved by small interfering RNAs (siRNAs). The discovery of this process has opened the doors to the development of siRNA therapeutics. Although several preclinical and clinical studies have shown great promise in the treatment of neurological disorders, cancers, dominant disorders, and viral infections with siRNA, siRNA therapy is still gaining ground in musculoskeletal tissue repair and bone regeneration. Here we present a comprehensive review of the literature to summarize different siRNA delivery strategies utilized to enhance bone regeneration. With advancement in understanding the targetable biological pathways involved in bone regeneration and also the rapid progress in siRNA technologies, application of siRNA for bone regeneration has great therapeutic potential. High rates of musculoskeletal injuries and diseases, and their inevitable consequences, impose a huge financial burden on individuals and healthcare systems worldwide.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,981
Score d'incertitude au seuil0,408

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,149
Tête enseignante GPT0,393
Écart entre enseignants0,244 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations27
Publié2016
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Bone and Mineral ResearchMême sujetRNA Interference and Gene DeliveryTravaux en français237 207