‘Magic bullets’ for bone diseases: progress in rational design of bone-seeking medicinal agents
Notice bibliographique
Résumé
An ideal therapeutic agent for bone diseases should act solely on bone tissue with no pharmacological activity at other anatomical sites. Current therapeutic agents, however, do not usually display a preferential affinity to bones and non-specifically distribute throughout the body after administration. Attempts to design bone-specific agents have relied on engineering a desired therapeutic agent with bone-seeking molecules so that the latter delivers the therapeutic agents specifically to bones. In this critical review, we summarize the latest attempts to engineer bone-seeking therapeutic agents based on formulating therapeutic agents with bisphosphonates, a class of compounds with high affinity to biological apatite. We first provide a relevant summary of the structure of bone mineral and bisphosphonates, highlighting the mode of interaction between these two entities. The use of bisphosphonates in the diagnosis of bone diseases is then presented, since this application helps us to understand the bone-carrier properties of bisphosphonates under physiological conditions. A summary of recent attempts to formulate bisphosphonates with traditional therapeutic agents to restrict their activities to bone tissues is then provided, with special emphasis on the structure-function relationships of the engineered compounds. Finally, attempts to use bisphosphonates to deliver macromolecular therapeutics (i.e., proteins) are summarized, based on recent data from the authors' lab. The collective research into bone-seeking medicinal agents is progressively laying the foundation for next-generation 'magic bullets' that display desirable activities at the disease sites with no undesirable activity on other organ systems. (164 references.).
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,004 | 0,002 |
| 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 | 0,000 | 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 ».