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 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 | 0,001 |
| 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 | 0,001 | 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 ».