MétaCan
Menu
Retour à la cohorte
Enregistrement W4389233268 · doi:10.1126/sciadv.adi0508

Genetically engineered transfusable platelets using mRNA lipid nanoparticles

2023· article· en· W4389233268 sur OpenAlexafffund
Jerry Leung, Colton Strong, Katherine E. Badior, Madelaine Robertson, Xiaowu Wu, Michael A. Meledeo, Emma Kang, Manoj Paul, Yusuke Sato, Hideyoshi Harashima, P. Andrew, Dana V. Devine, Eric Jan, Pieter R. Cullis, Christian J. Kastrup

Notice bibliographique

RevueScience Advances · 2023
Typearticle
Langueen
DomaineMedicine
ThématiquePlatelet Disorders and Treatments
Établissements canadiensCanadian Blood ServicesCanada's Michael Smith Genome Sciences CentreUniversity of British Columbia
Organismes subventionnairesCreative Research Institute, Hokkaido UniversityCanadian Blood ServicesU.S. Department of Defense
Mots-clésPlateletMessenger RNATransfectionPlatelet activationPlatelet transfusionCell biologyImmunologyMedicineChemistryBiologyGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

Platelet transfusions are essential for managing bleeding and hemostatic dysfunction and could be expanded as a cell therapy due to the multifunctional role of platelets in various diseases. Creating these cell therapies will require modifying transfusable donor platelets to express therapeutic proteins. However, there are currently no appropriate methods for genetically modifying platelets collected from blood donors. Here, we describe an approach using platelet-optimized lipid nanoparticles containing mRNA (mRNA-LNP) to enable exogenous protein expression in human and rat platelets. Within the library of mRNA-LNP tested, exogenous protein expression did not require nor correlate with platelet activation. Transfected platelets retained hemostatic function and accumulated in regions of vascular damage after transfusion into rats with hemorrhagic shock. We expect this technology will expand the therapeutic potential of platelets.

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 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)0,000
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: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,040
Score d'incertitude au seuil0,342

Scores Codex et Gemma par catégorie

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

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 Opus0,022
Tête enseignante GPT0,300
Écart entre enseignants0,277 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations25
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScience AdvancesMême sujetPlatelet Disorders and TreatmentsTravaux en français237 207