MétaCan
Menu
Retour à la cohorte
Enregistrement W3136082458 · doi:10.3389/fphar.2021.642858

Genetic Approaches for the Treatment of Facioscapulohumeral Muscular Dystrophy

2021· review· en· W3136082458 sur OpenAlexafffund
Kenji Rowel Q. Lim, Toshifumi Yokota

Notice bibliographique

RevueFrontiers in Pharmacology · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMuscular Dystrophy CanadaUniversity of Alberta
Organismes subventionnairesFaculty of Medicine and Dentistry, University of AlbertaCanadian Institutes of Health ResearchAlberta InnovatesMuscular Dystrophy CanadaUniversity of AlbertaWomen and Children's Health Research InstituteChildren's Health Research InstituteMuscular Dystrophy Association
Mots-clésFacioscapulohumeral muscular dystrophyMuscular dystrophyMedicineBioinformaticsGeneticsPhysical medicine and rehabilitationBiologyComputational biology

Résumé

récupéré en direct d'OpenAlex

Facioscapulohumeral muscular dystrophy (FSHD) is an autosomal dominant disorder characterized by progressive, asymmetric muscle weakness at the face, shoulders, and upper limbs, which spreads to the lower body with age. It is the third most common inherited muscular disorder worldwide. Around 20% of patients are wheelchair-bound, and some present with extramuscular manifestations. FSHD is caused by aberrant expression of the double homeobox protein 4 (DUX4) gene in muscle. DUX4 codes for a transcription factor which, in skeletal muscle, dysregulates numerous signaling activities that culminate in cytotoxicity. Potential treatments for FSHD therefore aim to reduce the expression of DUX4 or the activity of its toxic protein product. In this article, we review how genetic approaches such as those based on oligonucleotide and genome editing technologies have been developed to achieve these goals. We also outline the challenges these therapies are facing on the road to translation, and discuss possible solutions and future directions

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
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 Opus0,045
Tête enseignante GPT0,326
Écart entre enseignants0,281 · 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

Citations14
Publié2021
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in PharmacologyMême sujetMuscle Physiology and DisordersTravaux en français237 207