MétaCan
Menu
Retour à la cohorte
Enregistrement W2781785051 · doi:10.3390/biomedicines6010001

Skipping Multiple Exons to Treat DMD—Promises and Challenges

2018· review· en· W2781785051 sur OpenAlexafffund
Tejal Aslesh, Rika Maruyama, Toshifumi Yokota

Notice bibliographique

RevueBiomedicines · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMuscular Dystrophy CanadaUniversity of Alberta
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaUniversity of AlbertaWomen and Children's Health Research InstituteChildren's Health Research InstituteMuscular Dystrophy CanadaCanadian Institutes of Health ResearchParent Project Muscular Dystrophy
Mots-clésExon skippingExonDuchenne muscular dystrophyMedicineBioinformaticsMuscular dystrophyComputational biologyPharmacologyBiologyGeneticsGeneInternal medicineAlternative splicing

Résumé

récupéré en direct d'OpenAlex

gene. Antisense-mediated exon-skipping is a promising therapeutic strategy that makes use of synthetic nucleic acids to skip frame-disrupting exon(s) and allows for short but functional protein expression by restoring the reading frame. In 2016, the U.S. Food and Drug Administration (FDA) approved eteplirsen, which skips DMD exon 51 and is applicable to approximately 13% of DMD patients. Multiple exon skipping, which is theoretically applicable to 80-90% of DMD patients in total, have been demonstrated in animal models, including dystrophic mice and dogs, using cocktail antisense oligonucleotides (AOs). Although promising, current drug approval systems pose challenges for the use of a cocktail AO. For example, both exons 6 and 8 need to be skipped to restore the reading frame in dystrophic dogs. Therefore, the cocktail of AOs targeting these exons has a combined therapeutic effect and each AO does not have a therapeutic effect by itself. The current drug approval system is not designed to evaluate such circumstances, which are completely different from cocktail drug approaches in other fields. Significant changes are needed in the drug approval process to promote the cocktail AO approach.

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 enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,069
Tête enseignante GPT0,378
Écart entre enseignants0,309 · 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

Citations99
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomedicinesMême sujetCRISPR and Genetic EngineeringTravaux en français237 207