MétaCan
Menu
Retour à la cohorte
Enregistrement W4213339523 · doi:10.1080/15476286.2022.2027150

Innovative developments and emerging technologies in RNA therapeutics

2022· article· en· W4213339523 sur OpenAlexaff
François Halloy, Annabelle Biscans, Katherine E. Bujold, Alexandre J. Debacker, Alyssa C. Hill, Aurélie Lacroix, Olivia Luige, Roger Strömberg, Linda Sundström, Jörg Vogel, Alice Ghidini

Notice bibliographique

RevueRNA Biology · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAdvanced biosensing and bioanalysis techniques
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésRNASmall interfering RNAComputational biologyBiologyOligonucleotideNucleic acidRNA interferenceGene silencingRibozymemicroRNARNA silencingRNA splicingDrug developmentGeneDrugGeneticsPharmacology

Résumé

récupéré en direct d'OpenAlex

RNA-based therapeutics are emerging as a powerful platform for the treatment of multiple diseases. Currently, the two main categories of nucleic acid therapeutics, antisense oligonucleotides and small interfering RNAs (siRNAs), achieve their therapeutic effect through either gene silencing, splicing modulation or microRNA binding, giving rise to versatile options to target pathogenic gene expression patterns. Moreover, ongoing research seeks to expand the scope of RNA-based drugs to include more complex nucleic acid templates, such as messenger RNA, as exemplified by the first approved mRNA-based vaccine in 2020. The increasing number of approved sequences and ongoing clinical trials has attracted considerable interest in the chemical development of oligonucleotides and nucleic acids as drugs, especially since the FDA approval of the first siRNA drug in 2018. As a result, a variety of innovative approaches is emerging, highlighting the potential of RNA as one of the most prominent therapeutic tools in the drug design and development pipeline. This review seeks to provide a comprehensive summary of current efforts in academia and industry aimed at fully realizing the potential of RNA-based therapeutics. Towards this, we introduce established and emerging RNA-based technologies, with a focus on their potential as biosensors and therapeutics. We then describe their mechanisms of action and their application in different disease contexts, along with the strengths and limitations of each strategy. Since the nucleic acid toolbox is rapidly expanding, we also introduce RNA minimal architectures, RNA/protein cleavers and viral RNA as promising modalities for new therapeutics and discuss future directions for the field.

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)0,002
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 enseignants0,005
Score d'incertitude au seuil0,016

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,002
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0050,004

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 Opus0,015
Tête enseignante GPT0,298
Écart entre enseignants0,283 · 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

Citations49
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueRNA BiologyMême sujetAdvanced biosensing and bioanalysis techniquesTravaux en français237 207