Use of Gene Therapy in Retinal Ganglion Cell Neuroprotection: Current Concepts and Future Directions
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
We systematically reviewed published translational research on gene-based therapy for retinal ganglion cell (RGC) neuroprotection. A search was conducted on Entrez PubMed on 23 December 2020 using the keywords "gene therapy", "retinal ganglion cell" and "neuroprotection". The initial search yielded 82 relevant articles. After restricting publications to those with full text available and in the English language, and then curating for only original articles on gene-based therapy, the final yield was 18 relevant articles. From the 18 papers, 17 of the papers utilized an adeno-associated viral (AAV) vector for gene therapy encoding specific genes of interest. Specifically, six of the studies utilized an AAV vector encoding brain-derived neurotrophic factor (BDNF), two of the studies utilized an AAV vector encoding erythropoietin (EPO), the remaining 10 papers utilized AAV vectors encoding different genes and one microRNA study. Although the literature shows promising results in both in vivo and in vitro models, there is still a significant way to go before gene-based therapy for RGC neuroprotection can proceed to clinical trials. Namely, the models of injury in many of the studies were more acute in nature, unlike the more progressive and neurodegenerative pathophysiology of diseases, such as glaucoma. The regulation of gene expression is also highly unexplored despite the use of AAV vectors in the majority of the studies reviewed. It is also expected that with the successful launch of messenger ribonucleic acid (mRNA)-based vaccinations in 2020, we will see a shift towards this technology for gene-based therapy in glaucoma neuroprotection.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| 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