MétaCan
Menu
Retour à la cohorte
Enregistrement W2754780832 · doi:10.1177/1536012117717852

Molecular Imaging of Hydrolytic Enzymes Using PET and SPECT

2017· review· en· W2754780832 sur OpenAlexaff
Brian P. Rempel, Eric W. Price, Christopher P. Phenix

Notice bibliographique

RevueMolecular Imaging · 2017
Typereview
Langueen
DomaineMedicine
ThématiqueMedical Imaging Techniques and Applications
Établissements canadiensThunder Bay Regional Research InstituteUniversity of SaskatchewanUniversity of Alberta
Organismes subventionnairesnon disponible
Mots-clésPositron emission tomographyEnzymeHydrolysisMolecular imagingChemistryEmission computed tomographyPet imagingSingle-photon emission computed tomographyBiochemistryNuclear medicineMedicineBiologyIn vivo

Résumé

récupéré en direct d'OpenAlex

Hydrolytic enzymes are a large class of biological catalysts that play a vital role in a plethora of critical biochemical processes required to maintain human health. However, the expression and/or activity of these important enzymes can change in many different diseases and therefore represent exciting targets for the development of positron emission tomography (PET) and single-photon emission computed tomography (SPECT) radiotracers. This review focuses on recently reported radiolabeled substrates, reversible inhibitors, and irreversible inhibitors investigated as PET and SPECT tracers for imaging hydrolytic enzymes. By learning from the most successful examples of tracer development for hydrolytic enzymes, it appears that an early focus on careful enzyme kinetics and cell-based studies are key factors for identifying potentially useful new molecular imaging agents.

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 machine sur la base complète

Imitation des enseignants

Ni prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,057
Tête enseignante GPT0,406
Écart entre enseignants0,349 · 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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations34
Publié2017
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMolecular ImagingMême sujetMedical Imaging Techniques and ApplicationsTravaux en français237 207