MétaCan
Menu
Retour à la cohorte
Enregistrement W1986765784 · doi:10.1016/j.febslet.2005.01.019

The “promiscuous drug concept” with applications to Alzheimer's disease

2005· article· en· W1986765784 sur OpenAlexafffund
Vanessa C. Stephenson, R. Andrew Heyding, Donald F. Weaver

Notice bibliographique

RevueFEBS Letters · 2005
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensQueen's UniversityDalhousie University
Organismes subventionnairesNova Scotia Health Research Foundation
Mots-clésDrug discoveryDrugNeuropathologyAlzheimer's diseaseDiseaseComputational biologyNeurochemicalBiologyDrug designNeuroscienceBioinformaticsMedicinePharmacologyInternal medicine

Résumé

récupéré en direct d'OpenAlex

Arguably, Alzheimer's disease (AD) is a multifactorial syndrome, rather than single disease, arising from a complex array of neurochemical factors. Numerous studies on the molecular pathogenesis of AD implicate a diversity of factors ranging from neurotoxic peptides (beta-amyloid) to inflammatory processes (interleukins), but all culminating in a common neuropathology. This diversity of molecular causation is an impediment to the design of effective therapies for AD. To address this design problem, we sought to identify a single, common motif (a "common receptor") shared by multiple structurally and functionally diverse proteins implicated in AD. This search revealed the presence of a common BBXB peptide motif and upon refinement, an AXBBXB motif; these regions can be exploited for the design of a "promiscuous drug" that exploits a "one-drug-multiple-receptors" therapeutic strategy for AD.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,790
Score d'incertitude au seuil0,368

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,014
Tête enseignante GPT0,277
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations32
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFEBS LettersMême sujetComputational Drug Discovery MethodsTravaux en français237 207