Lessons from Nature: Sources and Strategies for Developing AMPK Activators for Cancer Chemotherapeutics
Notice bibliographique
Résumé
Adenosine Monophosphate-Activated Protein Kinase or AMPK is a highly-conserved master-regulator of numerous cellular processes, including: Maintaining cellular-energy homeostasis, modulation of cytoskeletaldynamics, directing cell growth-rates and influencing cell-death pathways. AMPK has recently emerged as a promising molecular target in cancer therapy. In fact, AMPK deficiencies have been shown to enhance cell growth and proliferation, which is consistent with enhancement of tumorigenesis by AMPK-loss. Conversely, activation of AMPK is associated with tumor growth suppression via inhibition of the Mammalian Target of Rapamycin Complex-1 (mTORC1) or the mTOR signal pathway. The scientific communities' recognition that AMPK-activating compounds possess an anti-neoplastic effect has contributed to a rush of discoveries and developments in AMPK-activating compounds as potential anticancer-drugs. One such example is the class of compounds known as Biguanides, which include Metformin and Phenformin. The current review will showcase natural compounds and their derivatives that activate the AMPK-complex and signaling pathway. In addition, the biology and history of AMPK-signaling and AMPK-activating compounds will be overviewed, their anticancer-roles and mechanisms-of-actions will be discussed, and potential strategies for the development of novel, selective AMPK-activators with enhanced efficacy and reduced toxicity will be proposed.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,003 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,004 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,006 | 0,004 |
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 source (Gemma direct ou Codex distillé), 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 ».