Studying non-alcoholic fatty liver disease: the ins and outs of in vivo, ex vivo and in vitro human models
Notice bibliographique
Résumé
The prevalence of non-alcoholic fatty liver disease (NAFLD) is increasing. Determining the pathogenesis and pathophysiology of human NAFLD will allow for evidence-based prevention strategies, and more targeted mechanistic investigations. Various in vivo, ex situ and in vitro models may be utilised to study NAFLD; but all come with their own specific caveats. Here, we review the human-based models and discuss their advantages and limitations in regards to studying the development and progression of NAFLD. Overall, in vivo whole-body human studies are advantageous in that they allow for investigation within the physiological setting, however, limited accessibility to the liver makes direct investigations challenging. Non-invasive imaging techniques are able to somewhat overcome this challenge, whilst the use of stable-isotope tracers enables mechanistic insight to be obtained. Recent technological advances (i.e. normothermic machine perfusion) have opened new opportunities to investigate whole-organ metabolism, thus ex situ livers can be investigated directly. Therefore, investigations that cannot be performed in vivo in humans have the potential to be undertaken. In vitro models offer the ability to perform investigations at a cellular level, aiding in elucidating the molecular mechanisms of NAFLD. However, a number of current models do not closely resemble the human condition and work is ongoing to optimise culturing parameters in order to recapitulate this. In summary, no single model currently provides insight into the development, pathophysiology and progression across the NAFLD spectrum, each experimental model has limitations, which need to be taken into consideration to ensure appropriate conclusions and extrapolation of findings are made.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 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 ».