MétaCan
Menu
Retour à la cohorte
Enregistrement W2756992211 · doi:10.1186/s13073-017-0475-4

Key challenges in bringing CRISPR-mediated somatic cell therapy into the clinic

2017· article· en· W2756992211 sur OpenAlexaff
Dianne Nicol, Lisa Eckstein, Michael Morrison, Jacob S. Sherkow, Margaret Otlowski, Tess Whitton, Tania Bubela, Kathryn P. Burdon, Drc Chalmers, Sarah Chan, Jac Charlesworth, Christine Critchley, Merlin Crossley, Sheryl de Lacey, Joanne L. Dickinson, Alex W. Hewitt, Joanne Kamens, Erika Kleiderman, Satoshi Kodama, John Liddicoat, David A. Mackey, Ainsley J. Newson, Jane Nielsen, Jennifer K. Wagner, Rebekah McWhirter

Notice bibliographique

RevueGenome Medicine · 2017
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMcGill UniversitySimon Fraser University
Organismes subventionnairesEconomic and Social Research CouncilUniversity of Tasmania
Mots-clésCRISPRGenome editingSomatic cellCas9Human geneticsMedicineComputational biologyPalindromeGenomeBiologyBioinformaticsGeneticsGene

Résumé

récupéré en direct d'OpenAlex

Genome editing using clustered regularly interspersed short palindromic repeats (CRISPR) and CRISPR-associated proteins offers the potential to facilitate safe and effective treatment of genetic diseases refractory to other types of intervention. Here, we identify some of the major challenges for clinicians, regulators, and human research ethics committees in the clinical translation of CRISPR-mediated somatic cell therapy.

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)0,050
score de la tête « metaresearch » (Gemma)0,038
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: aucune
Score de désaccord entre enseignants0,050
Score d'incertitude au seuil0,265

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0500,038
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0030,009
Communication savante0,0070,007
Science ouverte0,0020,006
Intégrité de la recherche0,0050,018
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,031
Tête enseignante GPT0,333
Écart entre enseignants0,302 · 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

Citations57
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueGenome MedicineMême sujetCRISPR and Genetic EngineeringTravaux en français237 207