MétaCan
Menu
Retour à la cohorte
Enregistrement W2802788852 · doi:10.3389/fcell.2018.00046

Translation of CRISPR Genome Surgery to the Bedside for Retinal Diseases

2018· review· en· W2802788852 sur OpenAlexfundno aff
Christine L. Xu, Galaxy Y. Cho, Jesse D. Sengillo, Karen Sophia Park, Vinit B. Mahajan, Stephen H. Tsang

Notice bibliographique

RevueFrontiers in Cell and Developmental Biology · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensnon disponible
Organismes subventionnairesNational Eye InstituteNew York State Department of Health - Wadsworth CenterCrowley Family FoundationResearch to Prevent BlindnessNational Cancer InstituteNational Institutes of HealthFoundation Fighting Blindness
Mots-clésCRISPRGenome editingGenomeBiologyBioinformaticsMedicineComputational biologyGeneticsGene

Résumé

récupéré en direct d'OpenAlex

In recent years, there has been accelerated growth of clustered regularly interspaced short palindromic repeats (CRISPR) genome surgery techniques. Genome surgery holds promise for diseases for which a cure currently does not exist. In the field of ophthalmology, CRISPR offers possibilities for treating inherited retinal dystrophies. The retina has little regenerative potential, which makes treatment particularly difficult. For such conditions, CRISPR genome surgery methods have shown great potential for therapeutic applications in animal models of retinal dystrophies. Much anticipation surrounds the potential for CRISPR as a therapeutic, as clinical trials of ophthalmic genome surgery are expected to begin as early as 2018. This mini-review summarizes preclinical CRISPR applications in the retina and current CRISPR clinical trials.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,974
Score d'incertitude au seuil0,588

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 GPT0,314
Écart entre enseignants0,294 · 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'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

Citations22
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFrontiers in Cell and Developmental BiologyMême sujetCRISPR and Genetic EngineeringTravaux en français237 207