MétaCan
Menu
Retour à la cohorte
Enregistrement W2947122397 · doi:10.1016/j.omtm.2019.05.010

RNA Virus-Based Episomal Vector with a Fail-Safe Switch Facilitating Efficient Genetic Modification and Differentiation of iPSCs

2019· article· en· W2947122397 sur OpenAlexfundno aff
Yumiko Komatsu, Dan Takeuchi, Tomoya Tokunaga, Hidetoshi Sakurai, Akiko Makino, Tomoyuki Honda, Yasuhiro Ikeda, Keizō Tomonaga

Notice bibliographique

RevueMolecular Therapy — Methods & Clinical Development · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueVirus-based gene therapy research
Établissements canadiensnon disponible
Organismes subventionnairesJapan Society for the Promotion of ScienceMinistry of Education, Culture, Sports, Science and TechnologyMemorial University of NewfoundlandRIKENJapan Agency for Medical Research and DevelopmentMayo Clinic
Mots-clésInduced pluripotent stem cellBiologyTransduction (biophysics)Gene deliverySomatic cellCell biologyTransgeneGeneViral vectorCellular differentiationGenetic enhancementEmbryonic stem cellGenetics

Résumé

récupéré en direct d'OpenAlex

A gene delivery system that allows efficient and safe stem cell modification is critical for next-generation stem cell therapies. An RNA virus-based episomal vector (REVec) is a gene transfer system developed based on Borna disease virus (BoDV), which facilitates persistent intranuclear RNA transgene delivery without integrating into the host genome. In this study, we analyzed susceptibility of human induced pluripotent stem cell (iPSC) lines from different somatic cell sources to REVec, along with commonly used viral vectors, and demonstrated highly efficient REVec transduction of iPSCs. Using REVec encoding myogenic transcription factor MyoD1, we further demonstrated potential application of the REVec system for inducing differentiation of iPSCs into skeletal muscle cells. Of note, treatment with a small molecule, T-705, completely eliminated REVec in persistently transduced cells. Thus, the REVec system offers a versatile toolbox for stable, integration-free iPSC modification and trans-differentiation, with a unique switch-off mechanism.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,002

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
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,048
Tête enseignante GPT0,392
Écart entre enseignants0,344 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations19
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular Therapy — Methods & Clinical DevelopmentMême sujetVirus-based gene therapy researchTravaux en français237 207