MétaCan
Menu
Retour à la cohorte
Enregistrement W2905071518 · doi:10.3390/biom8040180

Combining Optical Approaches with Human Inducible Pluripotent Stem Cells in G Protein-Coupled Receptor Drug Screening and Development

2018· review· en· W2905071518 sur OpenAlexafffund
Kyla Bourque, Jace Jones-Tabah, Nourhen Mnasri, Ryan Martin, Terence E. Hébert

Notice bibliographique

RevueBiomolecules · 2018
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueReceptor Mechanisms and Signaling
Établissements canadiensMcGill University
Organismes subventionnairesCanadian Institutes of Health ResearchMcGill University
Mots-clésInduced pluripotent stem cellDrug discoveryEmbryonic stem cellG protein-coupled receptorComputational biologyHEK 293 cellsReceptorBiologyDrug developmentCell biologyDrugNeuroscienceSignal transductionBioinformaticsPharmacologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Drug discovery for G protein-coupled receptors (GPCRs) stands at an interesting juncture. Screening programs are slowly moving away from model heterologous cell systems such as human embryonic kidney (HEK) 293 cells to more relevant cellular, tissue and whole animal platforms. Investigators are now developing analytical approaches as means to undertake different aspects of drug discovery by scaling into increasingly more relevant models all the way down to the single cell level. Such approaches include cellular, tissue slice and whole animal models where biosensors that track signaling events and receptor conformational profiles can be used. Here, we review aspects of biosensor-based imaging approaches that might be used in inducible pluripotent stem cell (iPSC) and organoid models, and focus on how such models must be characterized in order to apply them in drug screening.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,656
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
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 Opus0,070
Tête enseignante GPT0,270
Écart entre enseignants0,200 · 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.

Devis d'étudeExpérimental (laboratoire)
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

Citations3
Publié2018
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueBiomoleculesMême sujetReceptor Mechanisms and SignalingTravaux en français237 207