Phosphodiesterase 7A: A New Therapeutic Target for Alleviating Chronic Inflammation?
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Over the last fifteen years there has been much excitement in the idea that targeting phosphodiesterase (PDE) 4 with small molecule inhibitors could lead to the discovery of novel, steroid-sparing compounds with utility in treating a multitude of diseases associated with chronic inflammation. However, dose-limiting side effects, of which nausea and vomiting are the most common are worrisome, have hampered their clinical development. Indeed, a fundamental obstacle that still is to be overcome by the pharmaceutical industry is to make compounds that dissociate beneficial from the adverse events. Unfortunately, both of these activities of PDE4 inhibitors represents an extension of their pharmacology and improving the therapeutic ratio has proved to be a major challenge. Several strategies have been considered, with some degree of success, but compounds with an optimal pharmacophore still have not been reported. An alternative approach to targeting PDE4 is to inhibit other cAMP PDE families that are also expressed in immune and pro-inflammatory cells in the hope that the beneficial activity can be retained at the expense of side effects. One such candidate is PDE7A. In this article we review the literature on PDE7A and explore the possibility that selective small molecule inhibitors of this enzyme family could provide a novel approach to alleviate the inflammation that is associated with many inflammatory diseases including asthma, chronic obstructive pulmonary disease, atopic dermatitis, psoriasis, lupus, rheumatoid arthritis and multiple sclerosis.
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.
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) | 0,001 | 0,001 |
| 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) | 0,000 | 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 découle