MétaCan
Menu
Retour à la cohorte
Enregistrement W2944359800 · doi:10.3390/molecules24091803

Pharmaceutical Applications of Molecular Tweezers, Clefts and Clips

2019· review· en· W2944359800 sur OpenAlexafffund
Amira Mbarek, Ghina Moussa, Jeanne Leblond Chain

Notice bibliographique

RevueMolecules · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueDNA and Nucleic Acid Chemistry
Établissements canadiensUniversité de Montréal
Organismes subventionnairesNatural Sciences and Engineering Research Council of Canada
Mots-clésMolecular tweezersCLIPSMolecular recognitionNanotechnologyTweezersComputational biologyChemistryComputer scienceBiologySupramolecular chemistryMaterials scienceMoleculeArtificial intelligence

Résumé

récupéré en direct d'OpenAlex

Synthetic acyclic receptors, composed of two arms connected with a spacer enabling molecular recognition, have been intensively explored in host-guest chemistry in the past decades. They fall into the categories of molecular tweezers, clefts and clips, depending on the geometry allowing the recognition of various guests. The advances in synthesis and mechanistic studies have pushed them forward to pharmaceutical applications, such as neurodegenerative disorders, infectious diseases, cancer, cardiovascular disease, diabetes, etc. In this review, we provide a summary of the synthetic molecular tweezers, clefts and clips that have been reported for pharmaceutical applications. Their structures, mechanism of action as well as in vitro and in vivo results are described. Such receptors were found to selectively bind biological guests, namely, nucleic acids, sugars, amino acids and proteins enabling their use as biosensors or therapeutics. Particularly interesting are dynamic molecular tweezers which are capable of controlled motion in response to an external stimulus. They proved their utility as imaging agents or in the design of controlled release systems. Despite some issues, such as stability, cytotoxicity or biocompatibility that still need to be addressed, it is obvious that molecular tweezers, clefts and clips are promising candidates for several incurable diseases as therapeutic agents, diagnostic or delivery tools.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,969
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,025
Tête enseignante GPT0,338
Écart entre enseignants0,312 · 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 tête enseignante, pas un consensus.

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

Citations57
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMoleculesMême sujetDNA and Nucleic Acid ChemistryTravaux en français237 207