MétaCan
Menu
Retour à la cohorte
Enregistrement W2617651358 · doi:10.1089/hum.2016.167

Induced Cell Turnover: A Novel Therapeutic Modality for <i>In Situ</i> Tissue Regeneration

2017· review· en· W2617651358 sur OpenAlexaff
Francesco Albert Bosco Cortese, Sebastián Aguiar, Giovanni Santostasi

Notice bibliographique

RevueHuman Gene Therapy · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueTissue Engineering and Regenerative Medicine
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésHoming (biology)TransplantationRegenerative medicineRegeneration (biology)Cell biologyEx vivoTissue engineeringSelf-healing hydrogelsBiologyGenetic enhancementInduced pluripotent stem cellStem cellCancer researchIn vivoMedicineChemistryEmbryonic stem cellBiotechnologySurgeryGeneBiochemistryGenetics

Résumé

récupéré en direct d'OpenAlex

Induced cell turnover (ICT) is a theoretical intervention in which the targeted ablation of damaged, diseased, and/or nonfunctional cells is coupled with replacement by partially differentiated induced pluripotent stem cells in a gradual and multiphasic manner. Tissue-specific ablation can be achieved using pro-apoptotic small molecule cocktails, peptide mimetics, and/or tissue-tropic adeno-associated virus-delivered suicide genes driven by cell type-specific promoters. Replenishment with new cells can be mediated by systemic administration of cells engineered for homing, robustness, and even enhanced function and disease resistance. Otherwise, the controlled release of cells can be achieved using implanted biodegradable scaffolds, hydrogels, and polymer matrixes. In theory, ICT would enable in situ tissue regeneration without the need for surgical transplantation of organs produced ex vivo, and addresses non-transplantable tissues (such as the vasculature, lymph nodes, and the nervous system). This article outlines several complimentary strategies for overcoming barriers to ICT in an effort to stimulate further research at this promising interface of cell therapy, tissue engineering, and regenerative medicine.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,235
Tête enseignante GPT0,421
Écart entre enseignants0,186 · 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

Citations2
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHuman Gene TherapyMême sujetTissue Engineering and Regenerative MedicineTravaux en français237 207