High Throughput Crystallography of TB Drug Targets
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
Tuberculosis (TB) infects one-third of the world population. Despite 50 years of available drug treatments, TB continues to increase at a significant rate. The failure to control TB stems in part from the expense of delivering treatment to infected individuals and from complex treatment regimens. Incomplete treatment has fueled the emergence of multi-drug resistant (MDR) strains of Mycobacterium tuberculosis (Mtb). Reducing non-compliance by reducing the duration of chemotherapy will have a great impact on TB control. The development of new drugs that either kill persisting organisms, inhibit bacilli from entering the persistent phase, or convert the persistent bacilli into actively growing cells susceptible to our current drugs will have a positive effect. We are taking a multidisciplinary approach that will identify and characterize new drug targets that are essential for persistent Mtb. Targets are exposed to a battery of analyses including microarray experiments, bioinformatics, and genetic techniques to prioritize potential drug targets from Mtb for structural analysis. Our core structural genomics pipeline works with the individual laboratories to produce diffraction quality crystals of targeted proteins, and structural analysis will be completed by the individual laboratories. We also have capabilities for functional analysis and the virtual ligand screening to identify novel inhibitors for target validation. Our overarching goals are to increase the knowledge of Mtb pathogenesis using the TB research community to drive structural genomics, particularly related to persistence, develop a central repository for TB research reagents, and discover chemical inhibitors of drug targets for future development of lead compounds.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,002 |
| Bibliométrie | 0,002 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,003 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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