Role of Drug Metabolism in the Cytotoxicity and Clinical Efficacy of Anthracyclines
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Many clinical studies involving anti-tumor agents neglect to consider how these agents are metabolized within the host and whether the creation of specific metabolites alters drug therapeutic properties or toxic side effects. However, this is not the case for the anthracycline class of chemotherapy drugs. This review describes the various enzymes involved in the one electron (semi-quinone) or two electron (hydroxylation) reduction of anthracyclines, or in their reductive deglycosidation into deoxyaglycones. The effects of these reductions on drug antitumor efficacy and toxic side effects are also discussed. Current evidence suggests that the one electron reduction of anthracyclines augments both their tumor toxicity and their toxicity towards the host, in particular their cardiotoxicity. In contrast, the two electron reduction (hydroxylation) of anthracyclines strongly reduces their ability to kill tumor cells, while augmenting cardiotoxicity through their accumulation within cardiomyocytes and their direct effects on excitation/contraction coupling within the myocytes. The reductive deglycosidation of anthracyclines appears to inactivate the drug and only occurs under rare, anaerobic conditions. This knowledge has resulted in the identification of important new approaches to improve the therapeutic index of anthracyclines, in particular by inhibiting their cardiotoxicity. The true utility of these approaches in the management of cancer patients undergoing anthracycline-based chemotherapy remains unclear, although one such agent (the iron chelator dexrazoxane) has recently been approved for clinical use.
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.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,005 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 | 0,001 |
| 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 découle