Developing a SERM: Stringent Preclinical Selection Criteria Leading to an Acceptable Candidate (WAY‐140424) for Clinical Evaluation
Notice bibliographique
Résumé
Estrogens are represented by a diverse group of compounds. Within this large family of molecules are tissue-selective estrogens that have been classified as selective estrogen receptor modulators (SERMs). These compounds are characterized by the fact that they exhibit both estrogen agonist and antagonist activity dependent upon the gene promoter and target tissue being examined. SERMs have been intensively studied over the past decade, especially since one, raloxifene, has been approved for the prevention and treatment of postmenopausal osteoporosis. While not a replacement for hormone replacement therapy (HRT), raloxifene can be an alternative to it and other treatments for osteoporosis. The ideal SERM would provide the positive benefits associated with HRT without the uterine and breast stimulation. Raloxifene does achieve some of the benefits of HRT, specifically on the skeleton and lipid metabolism with no apparent uterine effects, and a potential decreased risk of developing breast cancer associated with raloxifene therapy. However, there are a number of parameters that can be improved. A number of SERMs have been evaluated only to fail in development due to, for the most part, uterine safety issues. In order to develop an improved SERM, a stringent screening process was designed to select compounds that did not stimulate the uterus or breast. At the same time, these new compounds would have a positive impact on the skeleton and lipid metabolism with the additional improvement (over raloxifene) of a neutral effect on hot flashes. Under these strict conditions, WAY-140424 was developed and, to date, the preclinical pharmacology data have accurately predicted the clinical response demonstrated in phase I and II trials.
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 | 0,005 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,000 |
| 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 ».