MétaCan
Menu
Retour à la cohorte
Enregistrement W3037060562 · doi:10.3390/microorganisms8060950

Experimental Strategies to Explore Drug Action and Resistance in Kinetoplastid Parasites

2020· review· en· W3037060562 sur OpenAlexaff
Magali Van den Kerkhof, Yann G.‐J. Sterckx, Philippe Leprohon, Louis Maes, Guy Caljon

Notice bibliographique

RevueMicroorganisms · 2020
Typereview
Langueen
DomaineMedicine
ThématiqueTrypanosoma species research and implications
Établissements canadiensUniversité LavalCentre hospitalier universitaire de Québec
Organismes subventionnairesUniversiteit AntwerpenFonds Wetenschappelijk Onderzoek
Mots-clésMode of actionBiologyDrug resistanceDrugIdentification (biology)Neglected tropical diseasesAfrican trypanosomiasisLeishmaniasisDrug discoveryPharmacologyComputational biologyTrypanosomiasisMedicineDiseaseBioinformaticsToxicologyImmunologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

Kinetoplastids are the causative agents of leishmaniasis, human African trypanosomiasis, and American trypanosomiasis. They are responsible for high mortality and morbidity in (sub)tropical regions. Adequate treatment options are limited and have several drawbacks, such as toxicity, need for parenteral administration, and occurrence of treatment failure and drug resistance. Therefore, there is an urgency for the development of new drugs. Phenotypic screening already allowed the identification of promising new chemical entities with anti-kinetoplastid activity potential, but knowledge on their mode-of-action (MoA) is lacking due to the generally applied whole-cell based approach. However, identification of the drug target is essential to steer further drug discovery and development. Multiple complementary techniques have indeed been used for MoA elucidation. In this review, the different 'omics' approaches employed to define the MoA or mode-of-resistance of current reference drugs and some new anti-kinetoplastid compounds are 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.

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)0,001
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 enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,001
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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 Opus0,105
Tête enseignante GPT0,407
Écart entre enseignants0,302 · 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

Citations21
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetTrypanosoma species research and implicationsTravaux en français237 207