MétaCan
Menu
Retour à la cohorte
Enregistrement W2745328854 · doi:10.1038/s41598-017-07893-3

Assessment of selected media supplements to improve F/HN lentiviral vector production yields

2017· article· en· W2745328854 sur OpenAlexfundno aff
Jean‐François Gélinas, Lee A. Davies, Deborah R. Gill, Stephen C. Hyde

Notice bibliographique

RevueScientific Reports · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilCanadian Institutes of Health ResearchClarendon FundUniversity of OxfordCystic Fibrosis Trust
Mots-clésSendai virusViral vectorVirusViral envelopeCell cultureChemistryTransfectionVector (molecular biology)Viability assayCellVirologyCell biologyBiologyBiochemistryRecombinant DNAGene

Résumé

récupéré en direct d'OpenAlex

The development of lentiviral-based therapeutics is challenged by the high cost of current Good Manufacturing Practices (cGMP) production. Lentiviruses are enveloped viruses that capture a portion of the host cell membrane during budding, which then constitutes part of the virus particle. This process might lead to lipid and protein depletion in the cell membrane and affect cell viability. Furthermore, growth in suspension also causes stresses that can affect virus production yields. To assess the impact of these issues, selected supplements (Cholesterol Lipid Concentrate, Chemically Defined Lipid Concentrate, Lipid Mixture 1, Gelatin Peptone N3, N-Acetyl-L-Cysteine and Pluronic F-68) were assayed in order to improve production yields in a transient transfection production of a Sendai virus F/HN-pseudotyped HIV-1-based third generation lentiviral vector in FreeStyle 293 (serum-free media) in suspension. None of the supplements tested had a significant positive impact on lentiviral vector yields, but small non-significant improvements could be combined to increase vector production in a cell line where other conditions have been optimised.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,017
Score d'incertitude au seuil0,508

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
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 GPT0,338
Écart entre enseignants0,318 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations23
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetVirus-based gene therapy researchTravaux en français237 207