MétaCan
Menu
Retour à la cohorte
Enregistrement W4213452760 · doi:10.1073/pnas.2112546119

Development of DG9 peptide-conjugated single- and multi-exon skipping therapies for the treatment of Duchenne muscular dystrophy

2022· article· en· W4213452760 sur OpenAlexafffund
Kenji Rowel Q. Lim, Stanley Woo, Dyanna Melo, Yiqing Huang, Kasia Dzierlega, Md Nur Ahad Shah, Tejal Aslesh, Rohini Roy Roshmi, Yusuke Echigoya, Rika Maruyama, Hong M. Moulton, Toshifumi Yokota

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueMuscle Physiology and Disorders
Établissements canadiensMuscular Dystrophy CanadaUniversity of Alberta
Organismes subventionnairesCanadian Institutes of Health ResearchWomen and Children's Health Research InstituteGovernment of CanadaHeart and Stroke Foundation of Canada
Mots-clésDuchenne muscular dystrophyExon skippingExonMedicineConjugated systemPeptideInternal medicineBiologyChemistryGeneticsGeneBiochemistryAlternative splicing

Résumé

récupéré en direct d'OpenAlex

Significance Duchenne muscular dystrophy (DMD) is a fatal disorder of progressive body-wide muscle weakness, considered the most common muscular dystrophy worldwide. Most patients have out-of-frame deletions in the DMD gene, leading to dystrophin absence in muscle. There is no cure for DMD, but exon skipping is emerging as a potential therapy that uses antisense oligonucleotides to convert out-of-frame to in-frame mutations, enabling the production of truncated, partially functional dystrophin. Currently approved exon skipping therapies, however, have limited applicability and efficacy. Here, we developed a more economical approach to skip DMD exons 45 to 55 (a strategy that could treat nearly half of all DMD patients) and identified DG9 peptide conjugation as a powerful way to improve exon skipping efficiencies in vivo.

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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,029
Score d'incertitude au seuil0,183

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,046
Tête enseignante GPT0,290
Écart entre enseignants0,243 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations50
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetMuscle Physiology and DisordersTravaux en français237 207