MétaCan
Menu
Retour à la cohorte
Enregistrement W2981825750 · doi:10.1016/j.coph.2019.09.004

Unravelling fibrosis using single-cell transcriptomics

2019· review· en· W2981825750 sur OpenAlexfundno aff
Ross Dobie, Neil C. Henderson

Notice bibliographique

RevueCurrent Opinion in Pharmacology · 2019
Typereview
Langueen
DomaineMedicine
ThématiqueInterstitial Lung Diseases and Idiopathic Pulmonary Fibrosis
Établissements canadiensnon disponible
Organismes subventionnairesMedical Research CouncilUniversity of EdinburghMedical Research Council CanadaWellcome Trust
Mots-clésFibrosisDruggabilityContext (archaeology)TranscriptomeIdentification (biology)Computational biologyDiseaseCellExtracellular matrixBioinformaticsBiologyMedicinePathologyCell biologyGeneGeneticsGene expression

Résumé

récupéré en direct d'OpenAlex

Fibrosis, the excessive accumulation of extracellular matrix, is a major global healthcare burden. Despite major advances in our understanding of the mechanisms regulating fibrosis, treatment options for patients with fibrosis remain very limited. However, recent developments in the rapidly evolving field of single-cell transcriptomics are enabling the interrogation of individual pathogenic cell populations in the context of fibrosis at unprecedented resolution. In this review, we will discuss how single-cell transcriptomics is driving this step change in our understanding of fibrotic disease pathogenesis, and how these cutting-edge approaches should accelerate the precise identification of novel, relevant and potentially druggable therapeutic targets to treat patients with fibrosis.

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)0,000
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,946
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,000
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)0,0000,000

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 Opus0,201
Tête enseignante GPT0,432
Écart entre enseignants0,231 · 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

Citations12
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in PharmacologyMême sujetInterstitial Lung Diseases and Idiopathic Pulmonary FibrosisTravaux en français237 207