Past, present and future of haemophilia gene therapy: From vectors and transgenes to known and unknown outcomes
Notice bibliographique
Résumé
Since the 1960s, the pace of innovation in haemophilia treatment has been fast and furious and occasionally with unintended consequences. As newer technologies are harnessed to better treat, and potentially cure, haemophilias A and B, an understanding of their underlying scientific principles and their benefits and risks are essential for all stakeholders. This review summarizes the starts and stops of introducing FVIII and FIX transgenes clinically, beginning 20 years ago. Lessons from earlier nonclinical and clinical experiments have been utilized to improve vector selection, vector design, promoter/enhancer cis control regions and codon-optimized transgenes to trigger in vivo clinical FVIII and FIX levels in the near-normal to normal ranges. Many known and unknown questions remain, and some, based upon benefit and risk, should be answered during larger phase 3 clinical trials. Prior clinical outcomes in haemophilia trials have not been standardized, making between-trial comparisons difficult. Going forward, haemophilia gene therapy clinical trials should utilize a standard set of core outcomes, to facilitate comparisons to other gene- and protein-based therapies. These outcomes will be more important as the field moves beyond the first-generation gene therapies into more complex vectors that may address the shortcomings of first-generation vectors and offer greater benefits to the patient.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».