Hypoxia Activated Prodrugs: Factors Influencing Design and Development
Notice bibliographique
Résumé
Hypoxia in tumor cells is characterized by a lack of oxygen resulting from reduced blood supply to the surrounding tissue, and is a common characteristic of solid tumors as a consequence of rapid cell growth. Hypoxia in tumors is a predictor of both resistance to chemotherapy and of a metastatic/aggressive form of cancer, and as a result, development of cancer therapies which target hypoxia is of vital importance. One such targeting strategy is the development of hypoxia-activated prodrugs (HAP) which can preferentially release chemotherapeutic agents within hypoxic tumor regions. This targeting strategy is accomplished by attaching a hypoxia activated trigger to a chemotherapeutic agent and under oxygen-poor conditions, the agent (effector) is released into the tumor, while remaining intact in normal tissue, and leaving non-hypoxic cells undamaged. Overall, this strategy can achieve an increased therapeutic benefit over conventional small molecule chemotherapeutic treatments by concentrating the drugs within hypoxic tumor environments, while simultaneously reducing the side-effects and toxicity issues that surround the systemic distribution of traditional drugs on normoxic cells. In this review, we will describe the factors that should be considered when designing an effective HAP, such as the mechanism of prodrug action, the elements that influence the rational design of HAP (i.e. reduction potential), and the activating enzymes of HAP. As part of this description, we will utilize select examples from the literature to reinforce these factors, and make a case for the intelligent design of new HAPs, leading to the development of novel hypoxia targeting chemotherapeutic agents.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».