Multifunctional Ligands in Medicinal Inorganic Chemistry- Current Trends and Future Directions
Notice bibliographique
Résumé
This review will highlight recent advances in ligand design for innovative applications in medicinal inorganic chemistry. Ligands that effectively bind metal ions and also include specific features to enhance targeting, reporting, and overall efficacy are driving innovation in areas of disease diagnosis and therapy. Increasing the potency of therapeutic compounds, while limiting side-effects, is a common goal in medicinal chemistry. In an effort to achieve this goal, compounds are being developed that either target a disease site, or are activated by a disease specific biological process. Metal complexes containing targeting functions and/or bioactive ligands, as well as agents that are activated by specific enzymes, or changes in pH and pO2, provide new avenues for drug development. Radiodiagnostic compounds, magnetic resonance imaging agents, and optical probes containing transition metals offer versatility unavailable to organic imaging agents. In certain cases, dual modality agents have been developed, and will be highlighted. Finally, we will discuss targeted metal binding compounds for treatment of metal overload disorders, and the recent application to neurodegenerative disease. Keywords: Medicinal inorganic chemistry, ligand design, multifunctional, diagnostic, therapeutic, dual modality imaging, metal sequestration, specific biological process, Radiodiagnostic compounds, targeted metal binding compounds, enzymatic transformations, metal ion, multifunctional ligand design, antiparasitic agents
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».