MétaCan
Menu
Retour à la cohorte
Enregistrement W4313316813 · doi:10.3390/jpm13010091

Genetic Approaches for the Treatment of Giant Axonal Neuropathy

2022· review· en· W4313316813 sur OpenAlexafffund
Satomi Shirakaki, Rohini Roy Roshmi, Toshifumi Yokota

Notice bibliographique

RevueJournal of Personalized Medicine · 2022
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueSkin and Cellular Biology Research
Établissements canadiensUniversity of Alberta
Organismes subventionnairesMuscular Dystrophy CanadaAlberta InnovatesAlberta Innovates - Health SolutionsWomen and Children's Health Research InstituteChildren's Health Research Institute
Mots-clésMedicineLoss functionGenetic enhancementNeuroscienceDiseaseDegenerative DisorderBioinformaticsWeaknessGenetic disorderDegeneration (medical)Peripheral neuropathyGeneAxonal degenerationPathologyBiologyPhenotypeAnatomyGeneticsEndocrinologyDiabetes mellitus

Résumé

récupéré en direct d'OpenAlex

Giant axonal neuropathy (GAN) is a pediatric, hereditary, neurodegenerative disorder that affects both the central and peripheral nervous systems. It is caused by mutations in the GAN gene, which codes for the gigaxonin protein. Gigaxonin plays a role in intermediate filament (IF) turnover hence loss of function of this protein leads to IF aggregates in various types of cells. These aggregates can lead to abnormal cellular function that manifests as a diverse set of symptoms in persons with GAN including nerve degeneration, cognitive issues, skin diseases, vision loss, and muscle weakness. GAN has no cure at this time. Currently, an adeno-associated virus (AAV) 9-mediated gene replacement therapy is being tested in a phase I clinical trial for the treatment of GAN. This review paper aims to provide an overview of giant axonal neuropathy and the current efforts at developing a treatment for this devastating disease.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,154
Tête enseignante GPT0,367
Écart entre enseignants0,214 · 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

Citations4
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Personalized MedicineMême sujetSkin and Cellular Biology ResearchTravaux en français237 207