MétaCan
Menu
Retour à la cohorte
Enregistrement W3091839684 · doi:10.1016/j.ebiom.2020.103032

Recent insights into neuromuscular junction biology in Duchenne muscular dystrophy: Impacts, challenges, and opportunities

2020· review· en· W3091839684 sur OpenAlexafffund
Sean Y. Ng, Vladimir Ljubicic

Notice bibliographique

RevueEBioMedicine · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMcMaster University
Organismes subventionnairesCanadian Institutes of Health ResearchOntario Ministry of Economic Development, Job Creation and TradeCanada Research ChairsMuscular Dystrophy CanadaNatural Sciences and Engineering Research Council of CanadaMcMaster University
Mots-clésDuchenne muscular dystrophyNeuromuscular junctionMuscular dystrophyContext (archaeology)NeuroscienceWastingNeuromuscular diseaseBiologyDystrophinBioinformaticsMedicineDiseaseGeneticsPathologyEndocrinology

Résumé

récupéré en direct d'OpenAlex

Duchenne muscular dystrophy (DMD) is the most common and relentless form of muscular dystrophy. The pleiotropic effects of dystrophin deficiency include remarkable impacts on neuromuscular junction (NMJ) structure and function. Some of these alterations contribute to the severe muscle wasting and weakness that distinguish DMD, while others attempt to compensate for them. Experimental approaches that correct NMJ biology in pre-clinical models of DMD attenuate disease progression and improve functional outcomes, which suggests that targeting the NMJ may be an effective therapeutic strategy for DMD patients. The objectives of this review are to 1) survey the distinctions in NMJ structure, function, and gene expression in the dystrophic context as compared to the healthy condition, and 2) summarize the efforts, opportunities and challenges to correct NMJ biology in DMD. This information will expand our basic understanding of neuromuscular biology and may be useful for designing novel NMJ-targeted drug or behavioural strategies to mitigate the dystrophic pathology and other disorders of the neuromuscular system.

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 seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
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 GPT0,307
Écart entre enseignants0,248 · 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

Citations44
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueEBioMedicineMême sujetMuscle Physiology and DisordersTravaux en français237 207