Effective use of genetically-encoded optical biosensors for profiling signalling signatures in iPSC-CMs derived from idiopathic dilated cardiomyopathy patients
Notice bibliographique
Résumé
Abstract Dilated cardiomyopathy (DCM) is a cardiovascular condition that develops when the left ventricle of the heart enlarges, compromising its function and diminishing its capacity to pump oxygenated blood throughout the body. After patients are diagnosed with DCM, disease progression can lead to heart failure and the need for a heart transplantation. DCM is a complex disease where underlying causes can be idiopathic, genetic, or environmental. An incomplete molecular understanding of disease progression poses challenges for drug discovery efforts as effective therapeutics strategies remain elusive. Decades of research using primary cells or animal models have increased our understanding of DCM but has been hampered due to the inaccessibility of human cardiomyocytes, to model cardiac disease, in vitro , in a dish. Here, our goal is to leverage patient-derived hiPSC-CMs and to combine them with biosensors to understand how cellular signalling is altered in DCM. With high sensitivity and versatility, optical biosensors represent the ideal tools to dissect the molecular determinants of cardiovascular disease, in an unbiased manner and in real-time at the level of single cells. By characterizing the pathobiology of dilated cardiomyopathy in a patient-specific manner using high content biosensor-based assays, we aim to uncover personalized mechanisms for the occurrence and development of DCM and as a pathway to development of personalized therapeutics.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».