Strategies to Convert PACAP from a Hypophysiotropic Neurohormone Into a Neuroprotective Drug
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
In neurological insults, such as cerebral ischemia and traumatic brain injury, complex molecular mechanisms involving inflammation and apoptosis are known to cause severe neuronal cell loss, emphasizing the necessity of developing therapeutic strategies targeting simultaneously these two processes. Over the last decade, numerous in vitro and in vivo studies have demonstrated the unique therapeutical potential of pituitary adenylate cyclase-activating polypeptide (PACAP) for the treatment of neuronal disorders involving apoptotic cell death and neuroinflammation. The neuroprotective activity of PACAP is based on its capacity to reduce the production of deleterious cytokines from activated microglia, to stimulate the release of neuroprotective agents from astrocytes and to inhibit pro-apoptotic intracellular pathways. However, the use of PACAP as a clinically applicable drug is hindered by its peptidic nature. As most natural peptides, native PACAP shows poor metabolic stability, low bioavailability, inadequate distribution and rapid blood clearance. Moreover, injection of PACAP to human can induce peripheral adverse side effects. Therefore, targeted chemical modifications and/or conjugation of PACAP to different macromolecules are required to improve the pharmacokinetic and pharmacological properties of PACAP. This review presents the chemical, biochemical and pharmacological strategies that are currently under development to convert PACAP from a hypophysiotropic neurohormone into a clinically relevant neuroprotective drug.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 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 | 0,002 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle