Experimental and therapeutic approaches to muscular dystrophies
Notice bibliographique
Résumé
PURPOSE OF REVIEW: Most patients suffering from muscular dystrophies can now obtain a precise diagnosis of their underlying molecular defect, but no efficient treatment to prevent disability and death. This review summarizes recent progress towards developing efficient treatments for these severe diseases. RECENT FINDINGS: Different levels of progress have been achieved in three main approaches: gene therapy, cell therapy and pharmacological therapy. Gene therapy has progressed by improving different vectors for gene delivery. Adenoviruses (mainly high capacity versions) and adeno-associated viruses were the most explored viral vectors. Progress was made in understanding the factors needed for an efficient transfection of muscle. An understanding of protein structure and function in muscular dystrophies has allowed elegant examples of protein engineering as a way of gene therapy. Non-viral vectors for gene transfer, targeted gene modification and transcription modulation have also been explored recently. Cell therapy (myogenic-cell transplantation) progressed in understanding myoblast transplantation in primates for human applications, evaluating protocols for the control of graft rejection, understanding the biology of donor myogenic cells, and searching for alternative sources of donor cells. Three clinical trials using pharmacological approaches (anabolic agents and gentamicin) show very poor or negative results. Other pharmacological approaches (upregulation of alternative therapeutic proteins) are still being researched in mice. SUMMARY: This panoply of experimental approaches covered all the current possibilities of attacking the problem of treating muscular dystrophies. It is expected that one or more will progress to provide efficient tools for the ultimate clinical goal: to prolong function and life in severe muscular dystrophy patients.
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) | 0,000 | 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 ».