MétaCan
Menu
Retour à la cohorte
Enregistrement W4307180669 · doi:10.1002/jgm.3458

Viral and non‐viral gene therapy using 3D (bio)printing

2022· review· en· W4307180669 sur OpenAlex
Sepideh Jahangiri, Maedeh Rahimnejad, Narges Nasrollahi Boroujeni, Zarrin Ahmadi, Puria Motamed Fath, Sepideh Ahmadi, Moein Safarkhani, Navid Rabiee

Pourquoi ce travail est dans la base

Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueThe Journal of Gene Medicine · 2022
Typereview
Langueen
DomaineEngineering
Thématique3D Printing in Biomedical Research
Établissements canadiensUniversité de MontréalCentre Hospitalier de l’Université de Montréal
Organismes subventionnairesnon disponible
Mots-clésGenetic enhancementNanocarriersGene deliveryDrug deliveryComputational biologyViral vectorDrug discoveryDrugBiologyGeneMedicineBioinformaticsNanotechnologyPharmacologyGenetics

Résumé

récupéré en direct d'OpenAlex

The overall success in launching discovered drugs is tightly restricted to the high rate of late-stage failures, which ultimately inhibits the distribution of medicines in markets. As a result, it is imperative that methods reliably predict the effectiveness and, more critically, the toxicity of medicine early in the drug development process before clinical trials be continuously innovated. We must stay up to date with the fast appearance of new infections and diseases by rapidly developing the requisite vaccinations and medicines. Modern in vitro models of disease may be used as an alternative to traditional disease models, and advanced technology can be used for the creation of pharmaceuticals as well as cells, drugs, and gene delivery systems to expedite the drug discovery procedure. Furthermore, in vitro models that mimic the spatial and chemical characteristics of native tissues, such as a 3D bioprinting system or other technologies, have proven to be more effective for drug screening than traditional 2D models. Viral and non-viral gene delivery vectors are a hopeful tool for combinatorial gene therapy, suggesting a quick way of simultaneously deliver multiple genes. A 3D bioprinting system embraces an excellent potential for gene delivery into the different cells or tissues for different diseases, in tissue engineering and regeneration medicine, in which the precise nucleic acid is located in the 3D printed tissues and scaffolds. Non-viral nanocarriers, in combination with 3D printed scaffolds, are applied to their delivery of genes and controlled release properties. There remains, however, a big obstacle in reaching the full potential of 3D models because of a lack of in vitro manufacturing of live tissues. Bioprinting advancements have made it possible to create biomimetic constructions that may be used in various drug discovery research applications. 3D bioprinting also benefits vaccinations, medicines, and relevant delivery methods because of its flexibility and adaptability. This review discusses the potential of 3D bioprinting technologies for pharmaceutical studies.

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.

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)0,005
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: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,995
Score d'incertitude au seuil0,947

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0050,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0020,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 Opus0,100
Tête enseignante GPT0,367
Écart entre enseignants0,266 · 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