Deciphering the physiopathology of neurodevelopmental disorders using brain organoids
Notice bibliographique
Résumé
Neurodevelopmental disorders (NDD) encompass a range of conditions marked by abnormal brain development in conjunction with impaired cognitive, emotional and behavioural functions. Transgenic animal models, mainly rodents, traditionally served as key tools for deciphering the molecular mechanisms driving NDD physiopathology and significantly contributed to the development of pharmacological interventions aimed at treating these disorders. However, the efficacy of these treatments in humans has proven to be limited, due in part to the intrinsic constraint of animal models to recapitulate the complex development and structure of the human brain but also to the phenotypic heterogeneity found between affected individuals. Significant advancements in the field of induced pluripotent stem cells (iPSCs) offer a promising avenue for overcoming these challenges. Indeed, the development of advanced differentiation protocols for generating iPSC-derived brain organoids gives an unprecedented opportunity to explore human neurodevelopment. This review provides an overview of how 3D brain organoids have been used to investigate various NDD (i.e. Fragile X syndrome, Rett syndrome, Angelman syndrome, microlissencephaly, Prader-Willi syndrome, Timothy syndrome, tuberous sclerosis syndrome) and elucidate their pathophysiology. We also discuss the benefits and limitations of employing such innovative 3D models compared to animal models and 2D cell culture systems in the realm of personalized medicine.
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 | 0,001 | 0,001 |
| 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 ».