Ruthenium Anticancer Compounds with Biologically‐derived Ligands
Notice bibliographique
Résumé
Ruthenium chemotherapeutics are rapidly becoming a major area of drug development. This has been motivated partly by the clinical successes of the RuIII complexes NAMI-A, KP1019, and KP1339, but also recently by numerous reports of promising in vitro and in vivo activity from a diverse range of ruthenium complexes. RuII arene complexes have become a major focus of such studies, with other compounds such as polypyridyl, nitrosyl, and multinuclear ruthenium compounds also contributing to the development of this field. For the majority of ruthenium anticancer complexes the origin of their activity remains unclear, and this continues to be a key area of ongoing research. However, many reports have shown that the in vitro and in vivo behaviour of ruthenium compounds can be rationally modified through ligand design. Biologically-derived ligands are particularly attractive in such designs since they can provide a variety of ways to influence the activity of metal-based drugs including: i) unique coordination modes, ii) specific interactions with biological species, iii) increased cellular uptake, and iv) synergistic activity enhancement between the ligand and the metal centre. This potential is now being realised with the development of ruthenium anticancer compounds where a wide variety of bio-relevant ligands have been installed as essential components of complex design. These ligands include amino acids, peptides, proteins, carbohydrates, purines and oligonucleotides, and other biological species and natural products. This is a burgeoning area of research which provides almost unlimited potential for the rational design of new ruthenium anticancer complexes targeting novel transport modes and mechanisms of action.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,018 | 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 tête enseignante, 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 ».