Développement de nouveaux vecteurs protéiniques pour le transport physiologique d’agents thérapeutiques vers le système nerveux central
Notice bibliographique
Résumé
Le système nerveux central (SNC) est un sanctuaire protégé par des barrières, dont la barrière hémato-encéphalique (BHE). L’existence de la BHE est liée à la nature spécifique des cellules endothéliales des capillaires cérébraux qui permettent l’accès au cerveau des éléments nutritifs nécessaires à la fonction et à la survie des cellules cérébrales. Mais ces propriétés entraînent l’impossibilité pour des composés thérapeutiques petits et grands d’atteindre le cerveau à des concentrations thérapeutiques. Diverses stratégies ont été envisagées afin d’augmenter la quantité et la concentration de ces composés dans le parenchyme cérébral. Le développement de nouvelles technologies associées à de nouveaux vecteurs peptidiques a pour but de faciliter le transport de composés actifs à travers la BHE pour atteindre des concentrations thérapeutiques dans le cerveau et traiter des maladies du SNC comme le cancer ou les maladies neurodégénératives. Dans cet article, le développement de nouveaux vecteurs peptidiques permettant le ciblage de médicaments au cerveau à l’aide d’approches physiologiques sera abordé. À côté de la technologie de plateforme Angiopep qui est en développement chez Angiochem Inc., actuellement la plus avancée car au stade des essais cliniques humains, la technologie développée par biOasis Technologies Inc., Transcend, utilisant la mélanotransferrine (MTf) pour le transport de produits biologiques, tels que des enzymes lysosomales et des anticorps, ainsi que d’autres technologies seront discutées.
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 | 0,003 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,003 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| Science ouverte | 0,002 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».