From animal models to human disease: a genetic approach for personalized medicine in ALS
Notice bibliographique
Résumé
Amyotrophic Lateral Sclerosis (ALS) is the most frequent motor neuron disease in adults. Classical ALS is characterized by the death of upper and lower motor neurons leading to progressive paralysis. Approximately 10 % of ALS patients have familial form of the disease. Numerous different gene mutations have been found in familial cases of ALS, such as mutations in superoxide dismutase 1 (SOD1), TAR DNA-binding protein 43 (TDP-43), fused in sarcoma (FUS), C9ORF72, ubiquilin-2 (UBQLN2), optineurin (OPTN) and others. Multiple animal models were generated to mimic the disease and to test future treatments. However, no animal model fully replicates the spectrum of phenotypes in the human disease and it is difficult to assess how a therapeutic effect in disease models can predict efficacy in humans. Importantly, the genetic and phenotypic heterogeneity of ALS leads to a variety of responses to similar treatment regimens. From this has emerged the concept of personalized medicine (PM), which is a medical scheme that combines study of genetic, environmental and clinical diagnostic testing, including biomarkers, to individualized patient care. In this perspective, we used subgroups of specific ALS-linked gene mutations to go through existing animal models and to provide a comprehensive profile of the differences and similarities between animal models of disease and human disease. Finally, we reviewed application of biomarkers and gene therapies relevant in personalized medicine approach. For instance, this includes viral delivering of antisense oligonucleotide and small interfering RNA in SOD1, TDP-43 and C9orf72 mice models. Promising gene therapies raised possibilities for treating differently the major mutations in familial ALS cases.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 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 ».