Novel therapies for severe dyslipidemia originating from human genetics
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Novel therapies for severe dyslipidemia target a wide range of unmet medical needs: severe familial hypercholesterolemia, severe hypertriglyceridemia and chylomicronemia, elevated lipoprotein (a), lipodystrophies, high-density lipoprotein particle diseases, lysosomal acid lipase deficiency and storage diseases, nonalcoholic fatty liver disease and others. The purpose of this review is to describe the contribution of human genetics to the development of therapeutic approaches targeting severe dyslipidemia. RECENT FINDINGS: Recent advances in human genetics and the identification of rare genetic variants having strong effects on disease risk not only accelerated the development of therapies for severe dyslipidemia, they also revealed new pathways, genes and mechanisms of health, disease or drug response, and facilitated molecular diagnosis, which may prove essential as the authorized use of some of these novel drugs is limited to specific conditions. In addition, the dissection of the gene and cell machinery gave rise to new technologies, gene-based therapies and biodrugs covering a broad range of novel agents currently available or in clinical development to treat severe lipid disorders. SUMMARY: Several novel therapies are recently available or under development to treat severe dyslipidemia and associated risk stem directly from genetic research. Altogether, these therapies target a broad variety of severe dyslipidemia pathways or mechanisms and illustrate that clinical lipidology has now entered the era of precision medicine.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| 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 | 0,001 | 0,001 |
| 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 ».