One Step Into the Future: New iPSC Tools to Advance Research in Parkinson’s Disease and Neurological Disorders
Notice bibliographique
Résumé
Studying Parkinson's disease (PD) in the laboratory presents many challenges, the main one being the limited availability of human cells and tissue from affected individuals. As PD is characterized by a loss of dopaminergic (DA) neurons in the brain, it is nearly impossible for researchers to access and extract these cells from living patients. Thus, in the past PD research has focused on the use of patients' post-mortem tissues, animal models, or immortalized cell lines to dissect cellular pathways of interest. While these strategies deepened our knowledge of pathological mechanisms in PD, they failed to faithfully capture key mechanisms at play in the human brain. The emergence of induced pluripotent stem cell (iPSC) technology is revolutionizing PD research, as it allows for the differentiation and growth of human DA neurons in vitro, holding immense potential not only for modelling PD, but also for identifying novel therapies. However, to reproduce the complexity of the brain's environment, researchers are recognizing the need to further develop and refine iPSC-based tools. In this review, we provide an overview of different systems now available for the study of PD, with a particular emphasis on the potential and limitations of iPSC as research tools to generate more relevant models of PD pathophysiology and advance the drug discovery process.
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 | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».