MétaCan
Menu
Retour à la cohorte
Enregistrement W3213320394 · doi:10.3390/cells10113125

Regenerating Damaged Myocardium: A Review of Stem-Cell Therapies for Heart Failure

2021· review· en· W3213320394 sur OpenAlexaff
Dihan Fan, Hanrong Wu, Kaichao Pan, Huashan Peng, Rongxue Wu

Notice bibliographique

RevueCells · 2021
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensMcGill University
Organismes subventionnairesnon disponible
Mots-clésInduced pluripotent stem cellTransdifferentiationHeart failureStem cellMyocardial infarctionMedicineRegenerative medicineProgenitor cellStem-cell therapyMyocyteNeuroscienceRegeneration (biology)CardiologyBioinformaticsCancer researchInternal medicineBiologyCell biologyEmbryonic stem cell

Résumé

récupéré en direct d'OpenAlex

Cardiovascular disease (CVD) is one of the contributing factors to more than one-third of human mortality and the leading cause of death worldwide. The death of cardiac myocyte is a fundamental pathological process in cardiac pathologies caused by various heart diseases, including myocardial infarction. Thus, strategies for replacing fibrotic tissue in the infarcted region with functional myocardium have long been a goal of cardiovascular research. This review begins by briefly discussing a variety of somatic stem- and progenitor-cell populations that were frequently studied in early investigations of regenerative myocardial therapy and then focuses primarily on pluripotent stem cells (PSCs), especially induced-pluripotent stem cells (iPSCs), which have emerged as perhaps the most promising source of cardiomyocytes for both therapeutic applications and drug testing. We also describe attempts to generate cardiomyocytes directly from cardiac fibroblasts (i.e., transdifferentiation), which, if successful, may enable the pool of endogenous cardiac fibroblasts to be used as an in-situ source of cardiomyocytes for myocardial repair.

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 enseignants0,004
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0030,003
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)0,0040,002

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 Opus0,033
Tête enseignante GPT0,325
Écart entre enseignants0,292 · 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

Citations8
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetPluripotent Stem Cells ResearchTravaux en français237 207