Novel strategies to target proprotein convertase subtilisin kexin 9: beyond monoclonal antibodies
Notice bibliographique
Résumé
Since the discovery of the role of proprotein convertase subtilisin kexin 9 (PCSK9) in the regulation of low-density lipoprotein cholesterol (LDL-C) in 2003, a paradigm shift in the treatment of hypercholesterolaemia has occurred. The PCSK9 secreted into the circulation is a major downregulator of the low-density lipoprotein receptor (LDLR) protein, as it chaperones it to endosomes/lysosomes for degradation. Humans with loss-of-function of PCSK9 exhibit exceedingly low levels of LDL-C and are protected from atherosclerosis. As a consequence, innovative strategies to modulate the levels of PCSK9 have been developed. Since 2015 inhibitory monoclonal antibodies (evolocumab and alirocumab) are commercially available. When subcutaneously injected every 2-4 weeks, they trigger a ∼60% LDL-C lowering and a 15% reduction in the risk of cardiovascular events. Another promising approach consists of a liver-targetable specific PCSK9 siRNA which results in ∼50-60% LDL-C lowering that lasts up to 6 months (Phases II-III clinical trials). Other strategies under consideration include: (i) antibodies targeting the C-terminal domain of PCSK9, thereby inhibiting the trafficking of PCSK9-LDLR to lysosomes; (ii) small molecules that either prevent PCSK9 binding to the LDLR, its trafficking to lysosomes or its secretion from cells; (iii) complete silencing of PCSK9 by CRISPR-Cas9 strategies; (iv) PCSK9 vaccines that inhibit the activity of circulating PCSK9. Time will tell whether other strategies can be as potent and safe as monoclonal antibodies to lower LDL-C levels.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
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 ».