Specific Inhibition of HIF Activity: Can Peptides Lead the Way?
Notice bibliographique
Résumé
Reduced oxygen availability (hypoxia) is a characteristic of many disorders including cancer. Central components of the systemic and cellular response to hypoxia are the Hypoxia Inducible Factors (HIFs), a small family of heterodimeric transcription factors that directly or indirectly regulate the expression of hundreds of genes, the products of which mediate adaptive changes in processes that include metabolism, erythropoiesis, and angiogenesis. The overexpression of HIFs has been linked to the pathogenesis and progression of cancer. Moreover, evidence from cellular and animal models have convincingly shown that targeting HIFs represents a valid approach to treat hypoxia-related disorders. However, targeting transcription factors with small molecules is a very demanding task and development of HIF inhibitors with specificity and therapeutic potential has largely remained an unattainable challenge. Another promising approach to inhibit HIFs is to use peptides modelled after HIF subunit domains known to be involved in protein-protein interactions that are critical for HIF function. Introduction of these peptides into cells can inhibit, through competition, the activity of endogenous HIFs in a sequence and, therefore also isoform, specific manner. This review summarizes the involvement of HIFs in cancer and the approaches for targeting them, with a special focus on the development of peptide HIF inhibitors and their prospects as highly-specific pharmacological agents.
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) | 0,001 | 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) | 0,000 | 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 ».