MétaCan
Menu
Retour à la cohorte
Enregistrement W2945960888 · doi:10.1161/circresaha.118.313573

Stimulating Cardiogenesis as a Treatment for Heart Failure

2019· review· en· W2945960888 sur OpenAlexfundno aff
Todd R. Heallen, Zachary A. Kadow, Jong H. Kim, Jun Wang, James F. Martin

Notice bibliographique

RevueCirculation Research · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCongenital heart defects research
Établissements canadiensnon disponible
Organismes subventionnairesNational Institute of Dental and Craniofacial ResearchNational Heart, Lung, and Blood InstituteTexas Heart InstituteMcGill UniversityAmerican Heart Association
Mots-clésHeart failureEndogenyRegeneration (biology)ReentryMedicineCell growthSignal transductionStem cellmicroRNACell biologyBiologyNeuroscienceInternal medicineCardiology

Résumé

récupéré en direct d'OpenAlex

After myocardial injury, cardiomyocyte loss cannot be corrected by using currently available clinical treatments. In recent years, considerable effort has been made to develop cell-based cardiac repair therapies aimed at correcting for this loss. An exciting crop of recent studies reveals that inducing endogenous repair and proliferation of cardiomyocytes may be a viable option for regenerating injured myocardium. Here, we review current heart failure treatments, the state of cardiomyocyte renewal in mammals, and the molecular signals that stimulate cardiomyocyte proliferation. These signals include growth factors, intrinsic signaling pathways, microRNAs, and cell cycle regulators. Animal model cardiac regeneration studies reveal that modulation of exogenous and cell-intrinsic signaling pathways can induce reentry of adult cardiomyocytes into the cell cycle. Using direct myocardial injection, epicardial patch delivery, or systemic administration of growth molecules, these studies show that inducing endogenous cardiomyocytes to self-renew is an exciting and promising therapeutic strategy to treat cardiac injury in humans.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,001

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 Opus0,227
Tête enseignante GPT0,497
Écart entre enseignants0,271 · 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'étudeSans objet
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

Citations71
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCirculation ResearchMême sujetCongenital heart defects researchTravaux en français237 207