Targeted Gene Transfer: A Practical Guide Based on Experience with Lipid-Based Plasmid Delivery Systems
Notice bibliographique
Résumé
The overall goal of gene therapy is to cure or stabilize a disease process that results from the production of a mutant protein (for example, the chloride channel protein important in cystic fibrosis) or overproduction of a normal protein (such as the products of certain oncogenes). We can achieve this goal by replacing the defective gene or by reducing the overexpression of the target gene using an antisense strategy, thus reducing the production of the diseasepromoting protein (1,2). For either method, it is critical to transfer DNA into target cells in a concentration high enough to be effective in modifying the disease. DNA must be delivered to the desired cell population in an intact state, whereby it can be efficiently transcribed and ultimately translated. The method of gene transfer must be highly efficient and nontoxic, and the delivery system must be relatively easy to prepare and administer (3). There is a great deal of optimism surrounding the development of gene therapy as an effective strategy for management of many different human diseases. The active agent used to procure gene therapy is likely to consist of oligonucleotides, ribozymes, or a DNA sequence that can be transcribed into a message capable of eliciting a therapeutic response. Unlike conventional small-molecule therapeutics however, gene therapy requires the use of a carrier system to deliver the active agent directly into the target cell population.
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) | 0,000 | 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 ».