Antiviral Drugs that Target Cellular Proteins May Play Major Roles in Combating HIV Resistance
Notice bibliographique
Résumé
Despite the significant progresses made in antiretroviral therapy, current drugs still cannot cure or prevent HIV infection. And all drugs continue to select for drug-resistant HIV strains. Consequently, new antiretroviral drugs are constantly being developed. To ensure safety, these drugs are usually designed to inhibit viral proteins. But cellular proteins are also emerging as potential targets for new antiretroviral drugs. Two drugs that target cellular proteins inhibit HIV replication in vitro, hydroxyurea (HU) and pharmacological cyclin-dependent kinase inhibitors (PCIs). HU has been tested in clinical trials, commonly in combination therapies. PCIs, which are newer drugs, have just started to be tested in animal models of HIV-induced disease. Herein, we will review the HIV replication cycle and discuss the biological causes why strains resistant to antiviral drugs are so easily selected for. We will then discuss current antiretroviral drugs and HU before focusing on PCIs. PCIs have demonstrated to be effective against wild-type and drug-resistant strains of HIV in vitro, while selecting for no drug resistance. PCIs are additive with conventional antiviral drugs against herpes simplex virus, which suggests that they could also be additive with antiretroviral drugs. Since PCIs are proving surprisingly safe in human clinical trials (against cancer), they may be developed as clinical antiretroviral drugs in the near future. Recent and exciting studies indicate that PCIs ameliorate the pathogenesis of an animal model of HIV-induced nephropathy. We can expect that the full potential of PCIs as antiretroviral drugs will be explored in the coming years.
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) | 0,003 | 0,001 |
| 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 | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,001 |
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 ».