MétaCan
Menu
Retour à la cohorte
Enregistrement W1992723722 · doi:10.2174/156802605774642999

C-Glycosides and Aza-C-Glycosides as Potential Glycosidase and Glycosyltransferase Inhibitors

2005· review· en· W1992723722 sur OpenAlexafffund
Wei Zou

Notice bibliographique

RevueCurrent Topics in Medicinal Chemistry · 2005
Typereview
Langueen
DomaineChemistry
ThématiqueCarbohydrate Chemistry and Synthesis
Établissements canadiensNational Research Council CanadaInstitute for Biological Sciences
Organismes subventionnairesNational Research Council Canada
Mots-clésGlycoside hydrolaseGlycosyltransferaseGlycosideChemistryGlycosylationAnomerEnzymeStereochemistryBiochemistry

Résumé

récupéré en direct d'OpenAlex

Glycosylation as one of most important post-translational modification of gene products is often critical to specific cellular biological functions. Since elevated glycoprocessing enzyme activities have been implicated in the development of various diseases including cancer metastasis, glycosidases and glycosyltransferases are considered as therapeutic targets. Azasugars, the first generation of enzyme inhibitors, have been extensively investigated and two azasugar-based drugs (Miglitol and Miglustat) have been approved. Aza-C-glycosides, molecules with an azasugar core and various C-aglycons attached at the pseudo anomeric center, have the potential to become the second-generation inhibitors with improved specificity and membrane permeability. In this review, C-glycosides, aza-C-glycosides, and aza-C-disaccharides are introduced as glycoprocessing enzyme inhibitors. The synthetic approaches toward those molecules are described based on the key reactions, which include reductive amination, nucleophilic ring opening of epoxides, nucleophilic addition to imines (C=N), and hetero-Michael additions. Aza-C-glycoside-based libraries are also described for the discovery of promising second-generation inhibitors.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,028
Tête enseignante GPT0,319
Écart entre enseignants0,291 · 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 source (Gemma direct ou Codex distillé), 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
GenreSynthèse

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

En bref

Citations161
Publié2005
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCurrent Topics in Medicinal ChemistryMême sujetCarbohydrate Chemistry and SynthesisTravaux en français237 207