PCSK9 inhibition: drug development for low-density lipoprotein lowering
Notice bibliographique
Résumé
Reduction of low-density lipoprotein (LDL)-cholesterol (LDL-C) with statin therapy has been demonstrated to lower the risk of cardiovascular diseases (CVD). There is a need for additional LDL-C-lowering therapies beyond statins as it remains a challenge among high-risk patients with elevated initial LDL-C levels, genetic hyperlipidemia syndromes and drug-related side effects to achieve target LDL-C levels on statin therapy alone. Targeted approaches to reduce LDL-C have been developed to address the residual risk of CVD. PCSK9, one of the serine proteases, is involved in control of the expression and function of the LDL receptor (LDLR). PCSK9 binds to LDL receptors, leading to their accelerated degradation and to increased LDL-C levels. PCSK9 inhibition is a novel therapeutic approach to reduce LDL-C levels. Monoclonal antibodies directed to PCSK9 have been demonstrated to decrease PCSK9 activity and reduce plasma LDL-C levels by 40–65% in Phase I and II trials. Current antibody-based PCSK9 therapies have a long half-life, requiring bimonthly or monthly dosing injection regimens. Preclinical studies testing of other PCSK9 inhibition approaches such as antisense oligonucleotides (ASOs), lipidoid nanoparticle (LNP)-formulated siRNA and small peptides to block the interaction between PCSK9 and the LDLR also show promise. Long-term safety, persistence in LDL-lowering effects, as well as efficacy of CVD event reduction of PCSK9 inhibition approaches beyond maximum tolerated statin treatment are required. PCSK9 inhibition shows promise to offer a novel therapeutic strategy for patients at high risk of CVD who are unable to meet target LDL-C levels on statin therapy alone.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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.
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 source (Gemma direct ou Codex distillé), 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 ».