MétaCan
Menu
Retour à la cohorte
Enregistrement W2508090099 · doi:10.1016/j.gendis.2016.08.001

Ultrasound-targeted microbubble destruction in gene therapy: A new tool to cure human diseases

2016· review· en· W2508090099 sur OpenAlexafffund
Jun Wu, Ren‐Ke Li

Notice bibliographique

RevueGenes & Diseases · 2016
Typereview
Langueen
DomaineEngineering
ThématiqueUltrasound and Hyperthermia Applications
Établissements canadiensUniversity of TorontoUniversity Health Network
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésGenetic enhancementMedicineDiseaseGene deliveryClinical trialStroke (engine)CancerTargeted therapyBlindnessIntensive care medicineBioinformaticsGenePathologyInternal medicineBiology

Résumé

récupéré en direct d'OpenAlex

Human gene therapy has made significant advances in less than two decades. Within this short period of time, gene therapy has proceeded from the conceptual stage to technology development and laboratory research, and finally to clinical trials for the treatment of a variety of deadly diseases. Cardiovascular disease, cancer, and stroke are leading causes of death worldwide. Despite advances in medical, interventional, radiation and surgical treatments, the mortality rate remains high, and the need for novel therapies is great. Gene therapy provides an efficient approach to disease treatment. Notable advances in gene therapy have been made for genetic disorders, including severe combined immune deficiency, chronic granulomatus disorder, hemophilia and blindness, as well as for acquired diseases, including cancer and neurodegenerative and cardiovascular diseases. However, lack of an efficient delivery system to target cells as well as the difficulty of sustained expression of transgenes has hindered advancements in gene therapy. Ultrasound targeted microbubble destruction (UTMD) is a promising approach for target-specific gene delivery, and it has been successfully investigated for the treatment of many diseases in the past decade. In this paper, we review UTMD-mediated gene delivery for the treatment of cardiovascular diseases, cancer and stroke.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,989
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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

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.

Tête enseignante Opus0,020
Tête enseignante GPT0,273
Écart entre enseignants0,253 · 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 tête enseignante, pas un consensus.

Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations45
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenes & DiseasesMême sujetUltrasound and Hyperthermia ApplicationsTravaux en français237 207