Challenges and future perspective of antisense therapy for spinal muscular atrophy: A review
Notice bibliographique
Résumé
Spinal muscular atrophy (SMA), the most common genetic cause of infantile death, is caused by a mutation in the survival of motor neuron 1 gene (SMN1), leading to the death of motor neurons and progressive muscle weakness. SMN1 normally produces an essential protein called SMN. Although humans possess a paralogous gene called SMN2, ∼90% of the SMN it produces is non-functional. This is due to a mutation in SMN2 that causes the skipping of a required exon during splicing of the pre-mRNA. The first treatment for SMA, nusinersen (brand name Spinraza), was approved by the FDA in 2016 and by the EMU in 2017. Nusinersen is an antisense oligonucleotide-based therapy that alters the splicing of SMN2 to make functional full-length SMN protein. Despite the recent advancements in antisense oligonucleotide therapy and SMA treatment development, nusinersen is faced with a multitude of challenges, such as intracellular and systemic delivery. In recent years, the use of peptide-conjugated phosphorodiamidate morpholino oligomers (PPMOs) in antisense therapy has gained interest. These are antisense oligonucleotides conjugated to cell-penetrating peptides such as Pips and DG9, and they have the potential to address the challenges associated with delivery. This review focuses on the historic milestones, development, current challenges, and future perspectives of antisense therapy for SMA.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».