MétaCan
Menu
Retour à la cohorte
Enregistrement W3005421610 · doi:10.1523/jneurosci.0519-19.2019

Studying Human Neurodevelopment and Diseases Using 3D Brain Organoids

2020· review· en· W3005421610 sur OpenAlexafffund
Ai Tian, Julien Muffat, Yun Li

Notice bibliographique

RevueJournal of Neuroscience · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueGenetics, Aging, and Longevity in Model Organisms
Établissements canadiensSickKids FoundationUniversity of TorontoHospital for Sick Children
Organismes subventionnairesCanada First Research Excellence FundOntario Institute for Regenerative MedicineCanada Research ChairsUniversity of TorontoSimons Foundation Autism Research Initiative
Mots-clésOrganoidNeuroscienceHuman brainBiologyPsychology

Résumé

récupéré en direct d'OpenAlex

In vitro differentiation of pluripotent stem cells provides a systematic platform to study development and disease. Recent advances in brain organoid technology have created new opportunities to investigate the formation and function of the human brain, under physiological and pathological conditions. Brain organoids can be generated to model the cellular and structural development of the human brain, and allow the investigation of the intricate interactions between resident neural and glial cell types. Combined with new advances in gene editing, imaging, and genomic analysis, brain organoid technology can be applied to address questions pertinent to human brain development, disease, and evolution. However, the current iterations of brain organoids also have limitations in faithfully recapitulating the in vivo processes. In this perspective, we evaluate the recent progress in brain organoid technology, and discuss the experimental considerations for its utilization. Dual Perspectives Companion Paper: Integrating CRISPR Engineering and hiPSC-Derived 2D Disease Modeling Systems, by Kristina Rehbach, Michael B. Fernando, and Kristen J. Brennand

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 enseignants0,994
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
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 Opus0,066
Tête enseignante GPT0,333
Écart entre enseignants0,266 · 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

Citations63
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of NeuroscienceMême sujetGenetics, Aging, and Longevity in Model OrganismsTravaux en français237 207