Inhibitors of type II transmembrane serine proteases in the treatment of diseases of the respiratory tract – A review of patent literature
Notice bibliographique
Résumé
INTRODUCTION: Type II transmembrane serine proteases (TTSPs) of the human respiratory tract generate high interest owing to their ability, among other roles, to cleave surface proteins of respiratory viruses. This step is critical in the viral invasion of coronaviruses, including SARS-CoV-2 responsible for COVID-19, but also influenza viruses and reoviruses. Accordingly, these cell surface enzymes constitute appealing therapeutic targets to develop host-based therapeutics against respiratory viral diseases. Additionally, their deregulated levels or activity has been described in non-viral diseases such as fibrosis, cancer, and osteoarthritis, making them potential targets in these indications. AREAS COVERED: Areas covered: This review includes WIPO-listed patents reporting small molecules and peptide-based inhibitors of type II transmembrane serine proteases of the respiratory tract. EXPERT OPINION: Expert opinion: Several TTSPs of the respiratory tract represent attractive pharmacological targets in the treatment of respiratory infectious diseases (notably COVID-19 and influenza), but also against idiopathic pulmonary fibrosis and lung cancer. The current emphasis is primarily on TMPRSS2, matriptase, and hepsin, yet other TTSPs await validation. Compounds listed herein are predominantly peptidomimetic inhibitors, some with covalent reversible mechanisms of action and high potencies. Their selectivity profile, however, are often only partially characterized. Preclinical data are promising and warrant further advancement in the above diseases.
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 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) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».