MétaCan
Menu
Retour à la cohorte
Enregistrement W3012393243 · doi:10.3390/genes11030342

CRISPR-Generated Animal Models of Duchenne Muscular Dystrophy

2020· review· en· W3012393243 sur OpenAlexafffund
Kenji Rowel Q. Lim, Quynh Nguyen, Kasia Dzierlega, Yiqing Huang, Toshifumi Yokota

Notice bibliographique

RevueGenes · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMuscular Dystrophy CanadaUniversity of Alberta
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaMuscular Dystrophy CanadaCanadian Institutes of Health ResearchWomen and Children's Health Research Institute
Mots-clésCRISPRDuchenne muscular dystrophyDystrophinGenome editingMuscular dystrophyNeuromuscular diseaseComputational biologyMedicineAnimal modelDiseaseBiologyBioinformaticsGeneticsGenePathology

Résumé

récupéré en direct d'OpenAlex

Duchenne muscular dystrophy (DMD) is a fatal X-linked recessive neuromuscular disorder most commonly caused by mutations disrupting the reading frame of the dystrophin (DMD) gene. DMD codes for dystrophin, which is critical for maintaining the integrity of muscle cell membranes. Without dystrophin, muscle cells receive heightened mechanical stress, becoming more susceptible to damage. An active body of research continues to explore therapeutic treatments for DMD as well as to further our understanding of the disease. These efforts rely on having reliable animal models that accurately recapitulate disease presentation in humans. While current animal models of DMD have served this purpose well to some extent, each has its own limitations. To help overcome this, clustered regularly interspaced short palindromic repeat (CRISPR)-based technology has been extremely useful in creating novel animal models for DMD. This review focuses on animal models developed for DMD that have been created using CRISPR, their advantages and disadvantages as well as their applications in the DMD field.

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 enseignants0,977
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)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
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 Opus0,027
Tête enseignante GPT0,327
Écart entre enseignants0,300 · 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

Citations25
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueGenesMême sujetCRISPR and Genetic EngineeringTravaux en français237 207