Drugging the “Undruggable” MYCN Oncogenic Transcription Factor: Overcoming Previous Obstacles to Impact Childhood Cancers
Notice bibliographique
Résumé
Abstract Effective treatment of pediatric solid tumors has been hampered by the predominance of currently “undruggable” driver transcription factors. Improving outcomes while decreasing the toxicity of treatment necessitates the development of novel agents that can directly inhibit or degrade these elusive targets. MYCN in pediatric neural-derived tumors, including neuroblastoma and medulloblastoma, is a paradigmatic example of this problem. Attempts to directly and specifically target MYCN have failed due to its similarity to MYC, the unstructured nature of MYC family proteins in their monomeric form, the lack of an understanding of MYCN-interacting proteins and ability to test their relevance in vivo, the inability to obtain structural information on MYCN protein complexes, and the challenges of using traditional small molecules to inhibit protein–protein or protein–DNA interactions. However, there is now promise for directly targeting MYCN based on scientific and technological advances on all of these fronts. Here, we discuss prior challenges and the reasons for renewed optimism in directly targeting this “undruggable” transcription factor, which we hope will lead to improved outcomes for patients with pediatric cancer and create a framework for targeting driver oncoproteins regulating gene transcription.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,003 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».