Oral tissue spheroid, organoid, and organ‐on chip microphysiological modeling strategies towards enhanced emulation of health and disease
Notice bibliographique
Résumé
Diseases and disorders of dental, oral, and craniofacial (DOC) tissues represent a significant global health burden and have been found to have the greatest age-standardized prevalence and incidence of all reported diseases worldwide. While the application of novel therapies has been suggested to address the different types of oral health diseases, only a limited number of interventional regenerative therapies have been reported to improve clinical therapeutic outcomes. The lack of novel therapies in DOC tissue regeneration may be in part attributed to the highly resource-intensive translational path from preclinical models to clinical trials. Recently, stakeholders and regulatory agencies have begun to encourage the use of alternative preclinical models using human tissues for testing therapeutic interventions in place of animal models. This advocacy may provide an opportunity to reduce or eliminate animal testing, ultimately limiting resource expenditure and providing a more efficient regulatory pathway for the approval of novel DOC therapies. While the complexity of DOC physiology, defects, and diseases is not effectively recapitulated in traditional 2D or 3D in vitro culture models, the emergence of more sophisticated in vitro models (or so-called microphysiological systems that include spheroid, organoid and organ on-chip (OoC) systems) has enabled effective modeling of clinically simulated disease states in several DOC tissue and organ systems. Here, we aim to provide an overview and collective comparison of these microphysiological systems, outline their current uses in DOC research, and identify important gaps in both their utilization and abilities to recapitulate essential features of native oral-craniofacial physiology, towards enabling the therapeutic performance of de novo interventions targeted at regeneration outcomes in vivo.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,002 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».