MétaCan
Menu
Retour à la cohorte
Enregistrement W2593168230 · doi:10.2174/1872208311666170301103722

Virus-Based RNA Silencing Agents and Virus-Derived Expression Vectors as Gene Therapy Vehicles

2017· review· en· W2593168230 sur OpenAlexaff
Srividhya Venkataraman, Mounir G. AbouHaidar, Kathleen Hefferon

Notice bibliographique

RevueRecent Patents on Biotechnology · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésGene silencingBiologyRNA interferenceComputational biologyVector (molecular biology)Functional genomicsGenetic enhancementGenomicsViral vectorVirusGeneGenomeRNABiotechnologyVirologyGenetics

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: In consideration of recent developments in understanding the genomics and proteomics of viruses, the use of viral DNA / RNA sequences as well as their gene expression schemes, have found new in-roads towards the prognosis and therapy of diseases. Correspondingly, the sphere of the patenting scenario has expanded significantly. OBJECTIVES: The current review addresses patented inventions concerning the use of virus sequences as gene silencing machineries and inventions concerning the generation and application of viral sequences as expression vectors. Furthermore, this review also discusses the employment of these patents for clinical, agricultural and biotechnological applications. METHOD: Considering these objectives, the Delphion Research Intellectual Property Network database was searched using keywords such as "gene silencing", "engineered viruses" and "expression vectors" and descriptions of recent patents on the said topics were discussed. CONCLUSION: Despite several recent advances in the use of viruses as disease therapy vehicles and biotechnological vectors, these developments have yet to be proven effective in practice, in clinical and field trials.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
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 Opus0,112
Tête enseignante GPT0,377
Écart entre enseignants0,265 · 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'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

Citations1
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRecent Patents on BiotechnologyMême sujetVirus-based gene therapy researchTravaux en français237 207