MétaCan
Menu
Retour à la cohorte
Enregistrement W2171604704 · doi:10.2174/1389557515666150414152933

Regulation of Hypoxia-inducible Factor-1α and Vascular Endothelial Growth Factor Signaling by Plant Flavonoids

2015· review· en· W2171604704 sur OpenAlexafffund
Wasundara Fernando, H.P. Vasantha Rupasinghe, David W. Hoskin

Notice bibliographique

RevueMini-Reviews in Medicinal Chemistry · 2015
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensDalhousie University
Organismes subventionnairesCanadian Institutes of Health Research
Mots-clésAngiogenesisLuteolinPharmacologyApigeninVascular endothelial growth factorCancerIn vivoChemotherapyQuercetinMedicineCancer researchBiologyFlavonoidBiochemistryVEGF receptorsBiotechnologyInternal medicineAntioxidant

Résumé

récupéré en direct d'OpenAlex

Discovery of novel drugs that are able to prevent angiogenesis is a fast growing branch of cancer research. Current approaches to cancer chemotherapy include the use of alkylating agents, antimetabolites, antitumor antibiotics, platinum analogs and drugs derived from natural compounds. However, most of the currently used chemotherapeutic drugs have adverse side effects on normal healthy cells. In addition to the classical targets of cancer chemotherapy, prevention of angiogenesis through the regulation of indigenous angiogenic factors is a leading approach of developing selective novel anticancer drugs. Because of their low toxicity, there is increasing interest in exploring specific dietary phytochemicals as possible antiangiogenic agents. In this mini-review, selected flavonoids (e.g., apigenin, luteolin, quercetin and epigallocatechin-3-gallate, which are a group of plant polyphenols) that are able to regulate angiogenesis in in vitro and in vivo systems are discussed in the light of their potential to be exploited as novel anticancer drugs.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,009

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,039
Tête enseignante GPT0,301
Écart entre enseignants0,263 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations26
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMini-Reviews in Medicinal ChemistryMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207