Medicinal Inorganic Chemistry: Using Toxicity to Advantage
Notice bibliographique
Résumé
Abstract The field of metal‐based compounds intended for treatment of cancer has long been dominated by cisplatin, first approved for clinical use in treating testicular cancer, in 1978. By all accounts, cisplatin has been a resounding success. Other platinum‐based compounds have been introduced since then, with carboplatin and oxaliplatin serving to broaden the range of tumors that can be effectively treated. Overcoming tumor cell resistance is an ongoing problem, and the target of many newer platinum‐based anticancer therapeutic agents. More recently, substitution of platinum with other metal ions, such as ruthenium, gallium, lanthanides, and arsenic, has expanded the array of potential metal‐based anticancer agents, with the arsenic trioxide having particular success against acute promyelocytic leukemia (APL). A key feature of metal‐based anticancer therapeutic agents is that they are toxic by design: without toxicity, the tumor cells could not be eliminated. Similar strategies are useful for diseases such as malaria, Chagas disease, and leishmaniasis, in which the target organisms are parasites. For parasitic diseases, as well as for resistant bacterial infections, or to stop tumor growth, the requirement for appropriate metallotherapeutic design is to minimize contact with healthy tissue, to target particular cells, and to avoid premature release of the metal ion.
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) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,038 | 0,000 |
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.
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 ».