MétaCan
Menu
Retour à la cohorte
Enregistrement W2579472951 · doi:10.1080/15592294.2017.1279371

Chemical probes targeting epigenetic proteins: Applications beyond oncology

2017· review· en· W2579472951 sur OpenAlex
Suzanne Ackloo, Peter J. Brown, Susanne Müller

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.

affAu moins un auteur déclare une institution canadienne dans l'instantané OpenAlex épinglé.

Notice bibliographique

RevueEpigenetics · 2017
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensStructural Genomics ConsortiumUniversity of Toronto
Organismes subventionnairesWellcome Trust
Mots-clésEpigeneticsBiologyComputational biologyBromodomainMethyltransferaseChemical biologyEpigenesisGenomicsProfiling (computer programming)BioinformaticsGeneticsMethylationDNA methylationGenomeGeneGene expression

Résumé

récupéré en direct d'OpenAlex

Epigenetic chemical probes are potent, cell-active, small molecule inhibitors or antagonists of specific domains in a protein; they have been indispensable for studying bromodomains and protein methyltransferases. The Structural Genomics Consortium (SGC), comprising scientists from academic and pharmaceutical laboratories, has generated most of the current epigenetic chemical probes. Moreover, the SGC has shared about 4 thousand aliquots of these probes, which have been used primarily for phenotypic profiling or to validate targets in cell lines or primary patient samples cultured in vitro. Epigenetic chemical probes have been critical tools in oncology research and have uncovered mechanistic insights into well-established targets, as well as identify new therapeutic starting points. Indeed, the literature primarily links epigenetic proteins to oncology, but applications in inflammation, viral, metabolic and neurodegenerative diseases are now being reported. We summarize the literature of these emerging applications and provide examples where existing probes might be used.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,990
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,058
Tête enseignante GPT0,376
Écart entre enseignants0,319 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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