Proprotein Convertase Subtilisin/Kexin Type 9 (PCSK9): Lessons Learned from Patients with Hypercholesterolemia
Notice bibliographique
Résumé
BACKGROUND: Identification of the proprotein convertase subtilisin/kexin type 9 (PCSK9) as the third gene causing familial hypercholesterolemia (FH) and understanding its complex biology has led to the discovery of a novel class of therapeutic agents. CONTENT: PCSK9 undergoes autocatalytic cleavage in the endoplasmic reticulum and enters the secretory pathway. The PCSK9 gene is under the regulatory control of sterol receptor binding proteins 1 and 2. Statins increase PCSK9 and this may modulate the response to this class of medications. In plasma, PCSK9 binds to the epidermal growth factor-like domain of the LDL receptor (LDL-R) on the cell and, once incorporated in the late endosomal pathway, directs the LDL-R toward lysosomal degradation rather than recycling to the plasma membrane. Thus, gain-of-function PCSK9 mutations lead to an FH phenotype, whereas loss-of-function mutations are associated with increased LDL-R-mediated endocytosis of LDL particles and lower LDL cholesterol in plasma. Inhibition of PCSK9 is thus an attractive therapeutic target. Presently, this is achieved by using monoclonal antibodies for allosteric inhibition of the PCSK9-LDL-R interaction. Phase 2 and 3 clinical trials in patients with moderate and severe hypercholesterolemia (including FH) show that this approach is safe and highly efficacious to lower LDL-C and lipoprotein(a). SUMMARY: PCSK9 has other biological roles observed in vitro and in animal studies, including viral entry into the cell, insulin resistance, and hepatic tissue repair. Given the potential number of humans exposed to this novel class of medications, careful evaluation of clinical trial results is warranted.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,004 | 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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».