Drug repurposing for Alzheimer’s disease: Selective serotonin reuptake inhibitors
Notice bibliographique
Résumé
Abstract Background Alzheimer’s disease (AD) is a devastating neurodegenerative disorder which affects more than 50 million people across the globe. Unfortunately, the current pharmacotherapy options are very limited and provide only symptomatic relief. Several drug discovery efforts to treat AD have failed in the clinical trials which is a setback in discovering novel anti‐AD therapies. Considering the cost, time and risks involved in bringing a new drug from the bench‐to‐bedside, drug repurposing or discovering novel therapeutic indications for drugs already in the market is an attractive alternative to find novel AD therapies. Targeting the amyloid (Aβ) cascade event in AD is one of the several potential targets to develop novel anti‐AD agents. Our studies looked at the possibility of repurposing marketed selective serotonin reuptake inhibitors (SSRIs) fluvoxamine, fluoxetine, paroxetine, sertraline and escitalopram in AD and investigated their anti‐Aβ aggregation properties. Method Experiments conducted include fluorescence aggregation kinetics using the dye thioflavin T (ThT), determining Aβ morphology in the presence and absence of SSRIs by transmission electron microscopy (TEM) and computational modeling using the software Discovery Studio Structure‐Based‐Design. Result These experiments demonstrated that among the SSRIs tested, paroxetine in particular was able to prevent the aggregation of both Aβ40 and Aβ42 peptides. Computational studies were used to understand the interactions of paroxetine with Aβ40 and Aβ42 oligomer and fibrils models. Conclusion These studies suggest that the antidepressant paroxetine has the potential to target the amyloid cascade in AD. Further studies are required to determine the suitability of repurposing paroxetine to treat AD.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 | 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) | 0,004 | 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 ».