Gene-Based Targeting for Treatment of Hypercholesterolemia and Prevention of Atherosclerotic Cardiovascular Disease
Notice bibliographique
Résumé
Familial hypercholesterolemia, characterized by high levels of LDL cholesterol is a monogenic metabolic disorder linked to atherosclerotic cardiovascular disease. Several genetic mutations in genes such as LDLR and PSK9 are thought to cause familial hypercholesterolemia. This ultimately causes dysfunction of the LDLR pathway, increasing circulating LDL levels. Current treatment revolves around decreasing LDL cholesterol levels in the blood. Statins are the current gold standard while sterol absorption inhibitors (ezetimibe) and PCSK9 inhibitors (evolocumab) are either used as primary treatment in individuals with statin intolerance, or supplementary treatment otherwise. However, CRISPR-Cas9 offers an upstream therapeutic intervention, inducing mutations in pathogenic genes (such as LDLR) to upregulate or downregulate gene expression and subsequently reduce LDL cholesterol levels. This technology thus has great potential as a two-fold treatment option, offering an effective solution for familial hypercholesterolemia, while simultaneously diminishing the risk of atherosclerotic cardiovascular disease. A limitation to current research exists in the sole analysis of monogenic factors in genetic screening, thus polygenic, multifactorial analyses are required to assess more holistic treatment plans. Furthermore, there exist current limitations to CRISPR-Cas9 including ethical limitations and social considerations revolving around the perpetuation of social inequities through technology necessitating future research on global health policies.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».