DNA Repair Inhibitors: The Next Major Step to Improve Cancer Therapy
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
Modern cancer therapies, mainly ionizing radiation and certain classes of chemotherapies target DNA. Although these treatments disrupt the genome, their rationale is clear. They prevent cancer cells from dividing and proliferating. Nevertheless, cancer cells can survive by over-activating a wide range of DNA repair pathways to eliminate the induced damage. In this context, DNA repair mechanisms are considered to be a vital target to improve cancer therapy and reduce the resistance to many DNA damaging agents currently in use as standard-of-care treatments. Here, we focus on two important DNA repair pathways, namely base excision repair (BER) and nucleotide excision repair (NER). Specifically, our focus is on two protein targets that are linked to the hallmark "relapse" and "drug resistance" phenomena. These are Excision Repair Cross-Complementation Group 1 (ERCC1), and DNA polymerase beta (pol β). The former is a key player in NER, while the latter is the error-prone polymerase of BER. Our objective is to list all known inhibitors for the two targets and provide an overview of the great efforts that were made in their discovery. While in the DNA pol β case more than sixty inhibitors were identified, very few inhibitors have been discovered on the ERCC1 side. It is hoped that this review will assist in the discovery of novel, potent and specific drug candidates aimed at improving existing cancer therapies including ionizing radiation, bleomycin, monofunctional alkylating agents and cisplatin.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 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