MétaCan
Menu
Retour à la cohorte
Enregistrement W2407212762 · doi:10.1038/mtm.2015.34

Testing gene therapy vectors in human primary nasal epithelial cultures

2015· article· en· W2407212762 sur OpenAlexafffund
Huibi Cao, Hong Ouyang, Wan Ip, Kai Du, Wenming Duan, Julie Avolio, Jing Wu, Cathleen Duan, Herman Yeger, Christine E. Bear, Tanja Gonska, Jim Hu

Notice bibliographique

RevueMolecular Therapy — Methods & Clinical Development · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueCystic Fibrosis Research Advances
Établissements canadiensUniversity of TorontoHospital for Sick Children
Organismes subventionnairesCanadian Institutes of Health ResearchHospital for Sick Children
Mots-clésCystic fibrosisCystic fibrosis transmembrane conductance regulatorGenetic enhancementTransduction (biophysics)Nasal polypsMedicineMucous membrane of noseChloride channelApical membraneViral vectorImmunologyCancer researchGenePathologyEpitheliumCell biologyBiologyInternal medicineRecombinant DNAGeneticsBiochemistry

Résumé

récupéré en direct d'OpenAlex

Cystic fibrosis (CF) results from mutations in the CF transmembrane conductance regulator (CFTR) gene, which codes for a chloride/bicarbonate channel in the apical epithelial membranes. CFTR dysfunction results in a multisystem disease including the development of life limiting lung disease. The possibility of a cure for CF by replacing defective CFTR has led to different approaches for CF gene therapy; all of which ultimately have to be tested in preclinical model systems. Primary human nasal epithelial cultures (HNECs) derived from nasal turbinate brushing were used to test the efficiency of a helper-dependent adenoviral (HD-Ad) vector expressing CFTR. HD-Ad-CFTR transduction resulted in functional expression of CFTR at the apical membrane in nasal epithelial cells obtained from CF patients. These results suggest that HNECs can be used for preclinical testing of gene therapy vectors in CF.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,205
Tête enseignante GPT0,516
Écart entre enseignants0,311 · 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
GenreMéthodes

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
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Therapy — Methods & Clinical DevelopmentMême sujetCystic Fibrosis Research AdvancesTravaux en français237 207