Next-generation Metabolomics in the Development of New Antidepressants: Using Albiflorin as an Example
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.
Notice bibliographique
Résumé
Depression is a highly prevalent disorder that affects more than 300 million adults worldwide in 2015. Depression also frequently coexists with many other conditions such as osteoporosis and one-third of the Intensive Care Unit (ICU) survivors had depressive symptoms. Antidepressants have become the most commonly prescribed drugs in the United States. In addition to the regular process, drug discovery and development (R&D) for depression presents extra challenges because of the heterogeneity of the symptoms and various co-occurring disorders. Botanical medicine with multi-functional nature has been proposed to be more effective, providing rapid control of core and comorbid conditions of depression. With the technical advances in analytical instruments, metabolomics is entering into a "new generation". Next-generation metabolomics (NGM) has the capability to comprehensively characterize drug-induced metabolic changes in the biological systems. NGM has demonstrated great potential in all the stages of pharmaceutical R&D in the last 10 years. Albiflorin isolated from Peony roots is a promising drug candidate with multi-target for depression and is currently under development by Beijing Wonner Biotech. In this work, we summarized the common analytical platforms for NGM and its main applications in drug R&D. We used albiflorin as an example to illustrate how NGM improves our understanding of drug candidate actions and facilitates drug safety evaluation. Future directions on how to expand the use of NGM for new antidepressant development in pharmaceutical industry were also discussed.
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 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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découle