Navigating challenges in human pluripotent stem cell-derived islet therapy for type 1 diabetes
Notice bibliographique
Résumé
In the past two decades, several tissues have been generated from the differentiation of human pluripotent stem cells (hPSCs) to model development or disease, and for use in drug testing and cell replacement therapies. A frontliner of hPSC-derived tissues used in cell replacement therapies are the pancreatic cells, which have entered multiple clinical trials since 2014 for the treatment of type 1 diabetes (T1D). Despite challenges in early trials, the detection of endogenous C-peptide in recipients was encouraging. The results and challenges of these trials inspired new areas of research, leading to incremental advances in cell differentiation and delivery technologies, and a deeper understanding of the transplantation microenvironment to enhance therapeutic efficacy and longevity. Reports from the most recent trials demonstrated success in reducing or eliminating exogenous insulin administration for people with T1D, increasing hope for a cure for T1D via regenerative medicine. Recent efforts can be broadly categorized into: (1) improving the cell product as surrogates of native beta cells, (2) promoting engraftment post-transplant to support cell survival, integration into the host, and endocrine function, and (3) developing immunomodulation strategies to reduce or circumvent immunosuppression regimen. In this review, we discuss recent and emerging advances in these three areas and the potential, risk, and scalability of experimental models to the clinic.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».