Precision autophagy: Will the next wave of selective autophagy markers and specific autophagy inhibitors feed clinical pipelines?
Notice bibliographique
Résumé
Research presented at the Vancouver Autophagy Symposium (VAS) 2014 suggests that autophagy's influence on health and disease depends on tight regulation and precision targeting of substrates. Discussions recognized a pressing need for robust biomarkers that accurately assess the clinical utility of modulating autophagy in disease contexts. Biomarker discovery could flow from investigations of context-dependent triggers, sensors, and adaptors that tailor the autophagy machinery to achieve target specificity. In his keynote address, Dr. Vojo Deretic (University of New Mexico) described the discovery of a cargo receptor family that utilizes peptide motif-based cargo recognition, a mechanism that may be more precise than generic substrate tagging. The keynote by Dr. Alec Kimmelman (Harvard Medical School) emphasized that unbiased screens for novel selective autophagy factors may accelerate the development of autophagy-based therapies. Using a quantitative proteomics screen for de novo identification of autophagosome substrates in pancreatic cancer, Kimmelman's group discovered a new type of selective autophagy that regulates bioavailable iron. Additional presentations revealed novel autophagy regulators and receptors in metabolic diseases, proteinopathies, and cancer, and outlined the development of specific autophagy inhibitors and treatment regimens that combine autophagy modulation with anticancer therapies. VAS 2014 stimulated interdisciplinary discussions focused on the development of biomarkers, drugs, and preclinical models to facilitate clinical translation of key autophagy discoveries.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».