Human pluripotent stem cell (hPSC)-derived models for autism spectrum disorder drug discovery
Notice bibliographique
Résumé
INTRODUCTION: Autism spectrum disorder (ASD) is a prevalent and complex neurodevelopmental disorder (NDD) with genetic and environmental origins. Currently, there are no effective pharmacological treatments targeting core ASD features. This leads to unmet medical needs of individuals with ASD and requires relevant human disease models recapitulating genetic and clinical heterogeneity to better understand underlying mechanisms and identify potential pharmacological therapies. Recent advancements in stem cell technology have enabled the generation of human pluripotent stem cell (hPSC)-derived two-dimensional (2D) and three-dimensional (3D) neural models, which serve as powerful tools for ASD modeling and drug discovery. AREAS COVERED: This article reviews the applications of hPSC-derived 2D and 3D neural models in studying various forms of ASD using pharmacological perturbation and drug screenings, highlighting the potential use of these models to develop novel pharmacological treatment strategies for ASD. EXPERT OPINION: hPSC-derived models recapitulate early human brain development spatiotemporally and have allowed patient-specific mechanistic investigation and therapeutic development using advanced molecular technologies, which will contribute to precision medicine for ASD therapy. Improvements are still required in hPSC-based models to further enhance their physiological relevance, clinical translation, and scalability for ASD drug discovery.
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) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».