MétaCan
Menu
Retour à la cohorte
Enregistrement W2889508731 · doi:10.1073/pnas.1714538115

Telomere shortening is a hallmark of genetic cardiomyopathies

2018· article· en· W2889508731 sur OpenAlexfundno aff
Alex Chia Yu Chang, Andrew Chia Hao Chang, Anna Kirillova, Koki Sasagawa, Willis Su, Gerhard Weber, Jue Lin, Vittavat Termglinchan, Ioannis Karakikes, Timon Seeger, Alexandra Dainis, J. Travis Hinson, Jonathan G. Seidman, Christine E. Seidman, Euan A. Ashley, Joseph C. Wu, Helen M. Blau

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueTelomeres, Telomerase, and Senescence
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Arthritis and Musculoskeletal and Skin DiseasesNational Heart, Lung, and Blood InstituteNational Institute on AgingCanadian Institutes of Health ResearchNational Institutes of HealthGovernment of CanadaBurroughs Wellcome FundNational Institute of General Medical SciencesAmerican Heart AssociationHoward Hughes Medical Institute
Mots-clésTelomereGeneticsCardiomyopathyBiologyMedicineInternal medicineDNAHeart failure

Résumé

récupéré en direct d'OpenAlex

Quantitative FISH (Q-FISH) of single cells revealed that telomeres were significantly reduced by 26% in HCM and 40% in DCM patient CMs in fixed tissue sections compared with CMs from age- and sex-matched healthy controls. In the cardiac tissues of the same patients, telomere shortening was not evident in vascular smooth muscle cells that do not express or require the contractile proteins, an important control. Telomere shortening was recapitulated in DCM and HCM CMs differentiated from patient-derived human-induced pluripotent stem cells (hiPSCs) measured by two independent assays. This study reveals telomere shortening as a hallmark of genetic HCM and DCM and demonstrates that this shortening can be modeled in vitro by using the hiPSC platform, enabling drug discovery.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
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)0,0010,000

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 Opus0,045
Tête enseignante GPT0,315
Écart entre enseignants0,270 · 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'étudeObservationnel
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

Citations103
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetTelomeres, Telomerase, and SenescenceTravaux en français237 207