MétaCan
Menu
Retour à la cohorte
Enregistrement W2912582226 · doi:10.2174/1568026619666190125145110

Research Advances in the Use of Histone Deacetylase Inhibitors for Epigenetic Targeting of Cancer

2019· review· en· W2912582226 sur OpenAlexaff
Yu Bai, Daid Ahmad, Ting Wang, Guihua Cui, Wenliang Li

Notice bibliographique

RevueCurrent Topics in Medicinal Chemistry · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHistone Deacetylase Inhibitors Research
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesScientific Research Funds of Jilin Province of Health and Family Planning CommissionScience and Technology Innovative Research Team in Higher Educational Institutions of Hunan ProvinceDepartment of Science and Technology of Jilin ProvinceEducation Department of Jilin Province
Mots-clésEpigeneticsHistone deacetylaseHistoneEpigenetic therapyCancerCancer epigeneticsChromatin remodelingCancer researchBioinformaticsChromatinVorinostatMedicineComputational biologyBiologyDNA methylationGene expressionGeneGeneticsHistone methyltransferase

Résumé

récupéré en direct d'OpenAlex

The causes and progression of cancer are controlled by epigenetic processes. The mechanisms involved in epigenetic regulation of cancer development, gene expression, and signaling pathways have been studied. Histone deacetylases (HDACs) have a major impact on chromatin remodeling and epigenetics, making their inhibitors a very interesting area of cancer research. This review comprehensively summarizes the literature regarding HDAC inhibitors (HDACis) as an anticancer treatment published in the past few years. In addition, we explain the mechanisms of their therapeutic effects on cancer. An analysis of the beneficial characteristics and drawbacks of HDACis also is presented, which will assist preclinical and clinical researchers in the design of future experiments to improve the therapeutic efficacy of these drugs and circumvent the challenges in the path of successful epigenetic therapy. Future therapeutic strategies may include a combination of HDACis and chemotherapy or other inhibitors to target multiple oncogenic signaling pathways.

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 enseignants0,005
Score d'incertitude au seuil0,016

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 recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0050,002

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 Opus0,179
Tête enseignante GPT0,514
Écart entre enseignants0,335 · 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

Citations20
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Topics in Medicinal ChemistryMême sujetHistone Deacetylase Inhibitors ResearchTravaux en français237 207