Wnt Drug Discovery: Weaving Through the Screens, Patents and Clinical Trials
Notice bibliographique
Résumé
The Wnt signaling pathway is intricately involved in many aspects of development and is the root cause of an increasing number of diseases. For example, colorectal cancer is the second leading cause of death in the industrialized world and aberration of Wnt signaling within the colonic stem cell is the cause of more than 90% of these cancers. Despite our advances in successfully targeting other pathways, such as Human Epidermal Growth Factor Receptor 2 (HER2), there are no clinically relevant therapies available for Wnt-related diseases. Here, we investigated where research activities are focused with respect to Wnt signaling modulators by searching the United States Patent and Trade Office (USPTO) for patents and patent applications related to Wnt modulators and compared this to clinical trials focusing on Wnt modulation. We found that while the transition of intellectual property surrounding the Wnt ligand-receptor interface to clinical trials is robust, this is not true for specific inhibitors of β-catenin, which is constitutively active in many cancers. Considering the ubiquitous use of the synthetic T-cell Factor/Lymphoid Enhancer Factor (TCF/Lef) reporter system and its success in identifying novel modulators in vitro, we speculate that this model of drug discovery does not capture the complexity of in vivo Wnt signaling that may be required if we are to successfully target the Wnt pathway in the clinic. Notwithstanding, increasingly more complex models are being developed, which may not be high throughput, but more pragmatic in our pursuit to control Wnt signaling.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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 ».