MétaCan
Menu
Retour à la cohorte
Enregistrement W2963850301 · doi:10.1111/andr.12680

Testicular organoids to study cell–cell interactions in the mammalian testis

2019· review· en· W2963850301 sur OpenAlexaff
Sadman Sakib, Taylor Goldsmith, Anna Voigt, Ina Dobrinski

Notice bibliographique

RevueAndrology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueSperm and Testicular Function
Établissements canadiensUniversity of Calgary
Organismes subventionnairesOffice of Research Infrastructure Programs, National Institutes of HealthEunice Kennedy Shriver National Institute of Child Health and Human DevelopmentCenters for Disease Control and PreventionNational Institutes of Health
Mots-clésOrganoidBiologyCellCell biologyStem cellGerm cellIn vivoCell typeNicheComputational biologyGeneticsEcology

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: Over the last ten years, three-dimensional organoid culture has garnered renewed interest, as organoids generated from primary cells or stem cells with cell associations and functions similar to organs in vivo can be a powerful tool to study tissue-specific cell-cell interactions in vitro. Very recently, a few interesting approaches have been put forth for generating testicular organoids for studying the germ cell niche microenvironment. AIM: To review different model systems that have been employed to study germ cell biology and testicular cell-cell interactions and discuss how the organoid approach can address some of the shortcomings of those systems. RESULTS AND CONCLUSION: Testicular organoids that bear architectural and functional similarities to their in vivo counterparts are a powerful model system to study cell-cell interactions in the germ cell niche. Organoids enable studying samples in humans and other large animals where in vivo experiments are not possible, allow modeling of testicular disease and malignancies and may provide a platform to design more precise therapeutic interventions.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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 enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,058
Tête enseignante GPT0,349
Écart entre enseignants0,291 · 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'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

Citations29
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueAndrologyMême sujetSperm and Testicular FunctionTravaux en français237 207