MétaCan
Menu
Retour à la cohorte
Enregistrement W2113450820 · doi:10.1039/c4sc03089c

Macrocycles: lessons from the distant past, recent developments, and future directions

2014· article· en· W2113450820 sur OpenAlexafffund
Andrei K. Yudin

Notice bibliographique

RevueChemical Science · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChemical Synthesis and Analysis
Établissements canadiensUniversity of TorontoToronto Public Health
Organismes subventionnairesCanadian Institutes of Health ResearchQuébec Consortium for Drug DiscoveryNatural Sciences and Engineering Research Council of CanadaUniversité de SherbrookeGlaxoSmithKlineUniversity of TorontoAstraZeneca
Mots-clésThe RenaissanceNanotechnologyCognitive scienceComputer scienceCombinatorial chemistryChemistryPsychologyMaterials scienceHistory

Résumé

récupéré en direct d'OpenAlex

A noticeable increase in molecular complexity of drug targets has created an unmet need in the therapeutic agents that are larger than traditional small molecules. Macrocycles, which are cyclic compounds comprising 12 atoms or more, are now recognized as molecules that "are up to the task" to interrogate extended protein interfaces. However, because macrocycles (particularly the ones based on peptides) are equipped with large polar surface areas, achieving cellular permeability and bioavailability is anything but straightforward. While one might consider this to be the Achilles' heel of this class of compounds, the synthetic community continues to develop creative approaches toward the synthesis of macrocycles and their site-selective modification. This perspective provides an overview of both mechanistic and structural issues that bear on macrocycles as a unique class of molecules. The reader is offered a historical foray into some of the classic studies that have resulted in the current renaissance of macrocycles. In addition, an attempt is made to overview the more recent developments that give hope that macrocycles might indeed turn into a useful therapeutic modality.

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)0,002
score de la tête « metaresearch » (Gemma)0,002
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 enseignants0,003
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0020,002
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,004
Communication savante0,0020,008
Science ouverte0,0010,001
Intégrité de la recherche0,0020,004
Charge utile insuffisante (le modèle a refusé de juger)0,0030,001

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,242
Écart entre enseignants0,234 · 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

Citations488
Publié2014
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemical ScienceMême sujetChemical Synthesis and AnalysisTravaux en français237 207