Therapeutic Inhibition of Myc in Cancer. Structural Bases and Computer-Aided Drug Discovery Approaches
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
Myc (avian myelocytomatosis viral oncogene homolog) represents one of the most sought after drug targets in cancer. Myc transcription factor is an essential regulator of cell growth, but in most cancers it is overexpressed and associated with treatment-resistance and lethal outcomes. Over 40 years of research and drug development efforts did not yield a clinically useful Myc inhibitor. Drugging the "undruggable" is problematic, as Myc inactivation may negatively impact its physiological functions. Moreover, Myc is a disordered protein that lacks effective binding pockets on its surface. It is well established that the Myc function is dependent on dimerization with its obligate partner, Max (Myc associated factor X), which together form a functional DNA-binding domain to activate genomic targets. Herein, we provide an overview of the knowledge accumulated to date on Myc regulation and function, its critical role in cancer, and summarize various strategies that are employed to tackle Myc-driven malignant transformation. We focus on important structure-function relationships of Myc with its interactome, elaborating structural determinants of Myc-Max dimer formation and DNA recognition exploited for therapeutic inhibition. Chronological development of small-molecule Myc-Max prototype inhibitors and corresponding binding sites are comprehensively reviewed and particular emphasis is placed on modern computational drug design methods. On the outlook, technological advancements may soon provide the so long-awaited Myc-Max clinical candidate.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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 découle