MétaCan
Menu
Retour à la cohorte
Enregistrement W2793283829 · doi:10.1002/cptx.38

Use of Human Embryoid Bodies for Teratology

2018· article· en· W2793283829 sur OpenAlexaff
Anthony Flamier, Supriya Singh, Theodore P. Rasmussen

Notice bibliographique

RevueCurrent Protocols in Toxicology · 2018
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensHôpital Maisonneuve-Rosemont
Organismes subventionnairesnon disponible
Mots-clésTeratologyEmbryoid bodyBiologyEmbryonic stem cellPregnancyGeneticsFetus

Résumé

récupéré en direct d'OpenAlex

Human birth defects are relatively common and can be caused by exposure to environmental teratogens or to pharmaceuticals with teratogenic activities. Human embryonic stem cells (hESCs), by virtue of their pluripotent nature, provide an excellent cellular platform for teratogen detection and risk assessment. This unit describes detailed protocols for the preparation and validation of highly pluripotent hESCs, the production of large quantities of aggregated multicellular spheroids composed of hESCs, and these spheroids' differentiation into embryoid bodies (EBs). EBs contain a variety of cells of endodermal, ectodermal, and mesodermal origin and can be subjected to compound exposure in vitro. Hence, they are useful for the detection of chemicals with teratogenic activities. Beyond describing protocols to assemble and culture EBs, this unit details methods to exploit the EB system for teratological assessment. In addition, strategies to distinguish compounds with bona fide teratogenic activity versus simple toxicity are discussed. © 2018 by John Wiley & Sons, Inc.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,186
Score d'incertitude au seuil0,628

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
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 Opus0,125
Tête enseignante GPT0,431
Écart entre enseignants0,306 · 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

Citations4
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Protocols in ToxicologyMême sujetPluripotent Stem Cells ResearchTravaux en français237 207