MétaCan
Menu
Retour à la cohorte
Enregistrement W4406991848 · doi:10.3390/brainsci15020134

Modeling ALS with Patient-Derived iPSCs: Recent Advances and Future Potentials

2025· review· en· W4406991848 sur OpenAlexaff
Ladan Dawoody Nejad, Erik P. Pioro

Notice bibliographique

RevueBrain Sciences · 2025
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiquePluripotent Stem Cells Research
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésAmyotrophic lateral sclerosisInduced pluripotent stem cellNeuroscienceDiseaseDrug discoveryMedicineBiologyBioinformaticsEmbryonic stem cellPathology

Résumé

récupéré en direct d'OpenAlex

Amyotrophic lateral sclerosis (ALS) is a terminal complex neurodegenerative disease, with 10–15% of cases being familial and the majority being sporadic with no known cause. There are no animal models for the 85–90% of sporadic ALS cases. More creative, sophisticated models of ALS disease are required to unravel the mysteries of this complicated disease. While ALS patients urgently require new medications and treatments, suitable preclinical in vitro models for drug screening are lacking. Therefore, human-derived induced pluripotent stem cell (hiPSC) technology offers the opportunity to model diverse and unreachable cell types in a culture dish. In this review, we focus on recent hiPSC-derived ALS neuronal and non-neuronal models to examine the research progress of current ALS 2D monocultures, co-cultures, and more complex 3D-model organoids. Despite the challenges inherent to hiPSC-based models, their application to preclinical drug studies is enormous.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,997
Score d'incertitude au seuil0,891

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
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 Opus0,030
Tête enseignante GPT0,339
Écart entre enseignants0,310 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations8
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBrain SciencesMême sujetPluripotent Stem Cells ResearchTravaux en français237 207