ترجمه فارسی مقاله یادگیری اهداف درمانی خوب در ALS، تخریب عصبی، با استفاده از مطالعات مشاهده ای

انتخاب پلن

انتخاب پلن برای ادامه خرید الزامی است.

عنوان مقاله به انگلیسی Learning good therapeutic targets in ALS, neurodegeneration, using observational studies
عنوان مقاله به فارسی یادگیری اهداف درمانی خوب در ALS، تخریب عصبی، با استفاده از مطالعات مشاهده ای
نویسندگان Mohammadali Alidoost, Jeremy Y. Huang, Georgia Dermentzaki, Anna S. Blazier, Giorgio Gaglia, Timothy R. Hammond, Francesca Frau, Mary Clare Mccorry, Dimitry Ofengeim, ProfileJennifer L. Wilson
فرمت مقاله انگلیسی PDF
تعداد صفحات 28
لینک دانلود رایگان مقاله انگلیسی دانلود مقاله
دسته بندی موضوعات Neurology عصب شناسی

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

چکیده

Analysis of real-world data (RWD) is attractive for its applicability to real-world scenarios but RWD is typically used for drug repurposing and not therapeutic target discovery. Repurposing studies have identified few effective options in neuroinflammatory diseases with relatively few patients such as amyotrophic lateral sclerosis (ALS), which is characterized by progressive muscle weakness and death with no disease-modifying treatments available. We previously reclassified drugs by their simulated effects on proteins downstream of drug targets and observed class-level effects in the EHR, implicating the downstream protein as the source of the effect. Here, we developed a novel ALS-focused pathways model using data from patient samples, the public domain, and consortia. With this model, we simulated drug effects on ALS and measured class effects on overall survival in retrospective EHR studies. We observed an increased but non-significant risk of death for patients taking drugs associated with the complement system downstream of their targets and experimentally validated drug effects on complement activation. We repeated this for six protein classes, three of which, including multiple chemokine receptors, were associated with a significant increased risk for death, suggesting that targeting proteins such as chemokine receptors could be advantageous for these patients. We recovered effects for drugs associated with complement activation and chemokine receptors in Parkinson’s and Myasthenia Gravis patients. We demonstrated the utility of network medicine for testing novel therapeutic effects using RWD and believe this approach may accelerate target discovery in neuroinflammatory diseases, addressing the critical need for new therapeutic options.

چکیده به فارسی (ترجمه ماشینی)

تجزیه و تحلیل داده های دنیای واقعی (RWD) برای کاربرد آن در سناریوهای دنیای واقعی جذاب است اما RWD به طور معمول برای بازپس گیری مواد مخدر استفاده می شود و نه کشف هدف درمانی.مطالعات مجدد ، گزینه های مؤثر در بیماریهای عصبی التهابی را با بیماران نسبتاً کمی مانند اسکلروز جانبی آمیوتروفیک (ALS) مشخص کرده است ، که با ضعف عضلانی پیشرونده و مرگ بدون درمان اصلاح کننده بیماری مشخص می شود.ما قبلاً داروهای شبیه سازی شده آنها را بر روی پروتئین های پایین دست از اهداف دارویی و اثرات سطح کلاس در EHR مشاهده می کردیم ، و این پروتئین پایین دست را به عنوان منبع اثر نشان می داد.در اینجا ، ما با استفاده از داده های نمونه های بیمار ، حوزه عمومی و کنسرسیوم ، یک مدل مسیرهای جدید متمرکز بر ALS ایجاد کردیم.با استفاده از این مدل ، ما اثرات دارویی را بر روی ALS شبیه سازی کرده و اثرات کلاس را بر بقای کلی در مطالعات EHR گذشته نگر اندازه گیری می کنیم.ما یک خطر افزایش یافته اما غیر معنی دار مرگ را برای بیمارانی که داروهای مرتبط با سیستم مکمل در پایین دست اهداف خود و اثرات دارویی معتبر تجربی بر فعال سازی مکمل مشاهده کردیم ، مشاهده کردیم.ما این کار را برای شش کلاس پروتئین تکرار کردیم ، که سه مورد از جمله گیرنده های شیموکاین متعدد ، با افزایش قابل توجهی در معرض خطر مرگ همراه بودند ، نشان می دهد که هدف قرار دادن پروتئین ها مانند گیرنده های کموکاین می تواند برای این بیماران سودمند باشد.ما اثرات داروهای مرتبط با فعال سازی مکمل و گیرنده های کموکاین را در بیماران پارکینسون و مایستنی گراویس بهبود بخشیدیم.ما ابزار پزشکی شبکه را برای آزمایش اثرات درمانی جدید با استفاده از RWD نشان دادیم و معتقدیم که این رویکرد ممکن است کشف هدف را در بیماریهای عصبی التهابی تسریع کند و نیاز اساسی به گزینه های درمانی جدید را برطرف کند.

📚 محتوای این محصول آموزشی (پکیج کامل)

علاوه بر مقاله اصلی انگلیسی که دریافت می کنید، برای یادگیری عمیق‌تر و تسلط کامل بر مباحث مجموعه‌ای از کتاب‌های آموزشی نیز ارائه می‌شود.

🎯 این بسته یک دورهٔ آموزشی کامل و چندلایه است؛ شامل ویدیوهای آموزشی، کتاب‌ها، تمرین‌ها و خودآزمایی.

ℹ️ نکات مهم هنگام خرید

  • این محصول به صورت فایل دانلودی کامل ارائه می‌شود.
  • توجه: لینک‌های اختصاصی دوره طی حداکثر 24 ساعت پس از ثبت سفارش ارسال می‌شوند.
  • دقت کنید لینک ها به شماره موبایل شما ارسال می شوند. پس در ارائه شماره موبایل صحیح دقت کنید.
  • برای راهنمایی در مورد نحوه دانلود به شماره 09395106248 پیامک دهید یا تماس بگیرید. (ایده آل ترین گزینه ارسال پیام در یکی از پیام رسان ها به همین شماره است تا سریعا لینک های محصول همان جا برای شما ارسال گردد.)
  • اگر پرداخت انجام شده ولی بعد از 24 ساعت هنوز لینک‌ها را دریافت نکرده‌اید، نام و نام خانوادگی و نام محصول را پیامک کنید تا لینک‌ها دوباره ارسال شوند.

💬 راه‌های ارتباطی پشتیبانی:
واتس‌اپ یا هر پیام رسان داخلی یا پیامک: 09395106248
تلگرام: @ma_limbs

نظرات

هنوز نظری ثبت نشده است.

وارد شوید تا نظر ثبت کنید.