Patient and Disease–Specific Induced Pluripotent Stem Cells for Discovery of Personalized Cardiovascular Drugs and Therapeutics
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Human induced pluripotent stem cells (iPSCs) have emerged as an effective platform for regenerative therapy, disease modeling, and drug discovery. iPSCs allow for the production of limitless supply of patient-specific somatic cells that enable advancement in cardiovascular precision medicine. Over the past decade, researchers have developed protocols to differentiate iPSCs to multiple cardiovascular lineages, as well as to enhance the maturity and functionality of these cells. Despite significant advances, drug therapy and discovery for cardiovascular disease have lagged behind other fields such as oncology. We speculate that this paucity of drug discovery is due to a previous lack of efficient, reproducible, and translational model systems. Notably, existing drug discovery and testing platforms rely on animal studies and clinical trials, but investigations in animal models have inherent limitations due to interspecies differences. Moreover, clinical trials are inherently flawed by assuming that all individuals with a disease will respond identically to a therapy, ignoring the genetic and epigenomic variations that define our individuality. With ever-improving differentiation and phenotyping methods, patient-specific iPSC-derived cardiovascular cells allow unprecedented opportunities to discover new drug targets and screen compounds for cardiovascular disease. Imbued with the genetic information of an individual, iPSCs will vastly improve our ability to test drugs efficiently, as well as tailor and titrate drug therapy for each patient.
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.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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 découle