Progress and prospects for targeting Hsp90 to treat fungal infections
Notice bibliographique
Résumé
Fungal pathogens pose a major threat to human health worldwide. They infect billions of people each year, leading to at least 1·5 million deaths. Treatment of fungal infections is difficult due to the limited number of clinically useful antifungal drugs, and the emergence of drug resistance. A promising new strategy to enhance the efficacy of antifungal drugs and block the evolution of drug resistance is to target the molecular chaperone Hsp90. Pharmacological inhibitors of Hsp90 function that are in development as anticancer agents have potential to be repurposed as agents for combination antifungal therapy for some applications, such as biofilm infections. For systemic infections, however, effective combination therapy regimens may require Hsp90 inhibitors that can selectively target Hsp90 in the pathogen, or alternate strategies to compromise function of the Hsp90 chaperone machine. Selectively impairing Hsp90 function in the pathogen could in principle be achieved by targeting Hsp90 co-chaperones or regulators of Hsp90 function that are more divergent between pathogen and host than Hsp90. Antifungal combination therapies could also exploit downstream effectors of Hsp90 that are critical for fungal drug resistance and virulence. Here, we discuss the progress and prospects for establishing Hsp90 as an important therapeutic target for life-threatening fungal infections.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,002 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».