The emerging importance of DNA mapping and other comprehensive screening techniques, as tools to identify new drug targets and as a means of (cancer) therapy personalisation
Notice bibliographique
Résumé
Every human being is genetically unique and this individuality is not only marked by morphologic and physical characteristics but also by an individual's response to a particular drug. Single nucleotide polymorphisms (SNPs) are largely responsible for one's individuality. A drug may be ineffective in one patient, whereas the exact same drug may cure another patient. Recent advances in DNA mapping and other screening technologies have provided researchers and drug developers with crucial information needed to create drugs that are specific for a given individual. In the future, physicians will be able to prescribe individualised drugs adjusted to, for example, activities of specific enzymatic pathways that would either be targeted by these drugs, or would be responsible for drug conversion or inactivation. Furthermore, the mapping of the human genome allows broader development and application of drugs that act on the level of gene transcription rather than as simple biochemical inhibitors or activators of certain enzymes. Such new approaches will maximise desired therapeutic results and may completely eliminate severe side effects. To illustrate the potential of genetic translational research, the authors discuss available analytical methodologies such as; gene arrays, flow cytometry-based screening for SNPs, proteomics, metabolomics, real-time PCR, and other methods capable of detecting both SNPs, as well as more profound changes in cell metabolism. Finally, the authors provide several examples that focus mostly on targeting protein-DNA interactions, but also other processes.
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) | 0,000 | 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 ».