MétaCan
Menu
Retour à la cohorte
Enregistrement W3183421805 · doi:10.1111/febs.16146

Inner ear organoids: progress and outlook, with a focus on the vascularization

2021· review· en· W3183421805 sur OpenAlexaff
Farideh Moeinvaziri, Ibrahim Zarkesh, Paria Pooyan, Desmond A. Nunez, Hossein Baharvand

Notice bibliographique

RevueFEBS Journal · 2021
Typereview
Langueen
DomaineNeuroscience
ThématiqueVestibular and auditory disorders
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesRoyan Institute
Mots-clésOrganoidFocus (optics)Inner earBiologyCell biologyNeurosciencePhysics

Résumé

récupéré en direct d'OpenAlex

The inner ear is a complex organ that encodes sound, motion, and orientation in space. Given the complexity of the inner ear, it is not surprising that treatments are relatively limited despite the fact that, in 2015, hearing loss was the fourth leading cause of years lived with disability worldwide. Inner ear organoid models are a promising tool to advance the study of multiple aspects of the inner ear to aid the development of new treatments and validate drug-based therapies. The blood supply of the inner ear plays a pivotal role in growth, maturation, and survival of inner ear tissues and their physiological functions. This vasculature cannot be ignored in order to achieve a truly in vivo-like model that mimics the microenvironment and niches of organ development. However, this aspect of organoid development has remained largely absent in the generation of inner ear organoids. The current review focuses on three-dimensional inner ear organoid and how recent technical progress in generating in vitro vasculature can enhance the next generation of these models.

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 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 enseignants0,993
Score d'incertitude au seuil0,572

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 ouverte0,0000,000
Intégrité de la recherche0,0000,001
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 Opus0,044
Tête enseignante GPT0,291
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 tête enseignante, 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

Citations11
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueFEBS JournalMême sujetVestibular and auditory disordersTravaux en français237 207