Human pluripotent stem cell (hPSC) and organoid models of autism: opportunities and limitations
Notice bibliographique
Résumé
Autism spectrum disorder (ASD) is a complex neurodevelopmental disorder caused by genetic or environmental perturbations during early development. Diagnoses are dependent on the identification of behavioral abnormalities that likely emerge well after the disorder is established, leaving critical developmental windows uncharacterized. This is further complicated by the incredible clinical and genetic heterogeneity of the disorder that is not captured in most mammalian models. In recent years, advancements in stem cell technology have created the opportunity to model ASD in a human context through the use of pluripotent stem cells (hPSCs), which can be used to generate 2D cellular models as well as 3D unguided- and region-specific neural organoids. These models produce profoundly intricate systems, capable of modeling the developing brain spatiotemporally to reproduce key developmental milestones throughout early development. When complemented with multi-omics, genome editing, and electrophysiology analysis, they can be used as a powerful tool to profile the neurobiological mechanisms underlying this complex disorder. In this review, we will explore the recent advancements in hPSC-based modeling, discuss present and future applications of the model to ASD research, and finally consider the limitations and future directions within the field to make this system more robust and broadly applicable.
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 enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».