New groups of hypolipidemic drugs based on inhibition of proprotein convertase subtilisin/kexin type 9 (PCSK9). Part 1
Notice bibliographique
Résumé
The hypolipidemic therapy is one of the essential components for the management of patients with cardiovascular diseases (CVD). In this regard, the main task of modern research is to find new targets for creating additional effective groups of lipid-lowering drugs. In 2003, a Canadian and French research team led by N. Seidah and M. Abifadel discovered a new enzyme, proprotein convertase subtilisin-kexin type 9 (PCSK9), which plays an important role in lipid metabolism. The main mechanism of action of PCSK9 is to regulate the density of low-density lipoprotein receptors (LDLR) in the cell membrane of hepatocytes. The increased activity of PCSK9 significantly accelerates the degradation of LDLR and leads to an increase in the concentration of atherogenic classes of lipoproteins the low-density lipoproteins (LDL). A reduced activity of PCSK9, on the contrary, is accompanied by a decrease in the concentration of LDL and a decrease in the risk of developing atherosclerosis and CVD. The second, recently discovered and less studied, mechanism of the protearogenic action of PCSK9 is the enhancement of inflammatory processes in the atherosclerotic plaque. Given this unfavorable contribution of PCSK9 to the development and progression of atherosclerosis and CVD, the main task of the researchers was to develop drugs that inhibit this enzyme. To date, several new drug groups have been developed that target the biosynthesis steps and the function of PCSK9. In this article, we will focus in detail on the discussion of the mechanisms of action and effectiveness of the following groups of lipid-lowering drugs: anti-PCSK9 monoclonal antibodies (alirocumab, evolocumab), small interfering ribonucleic acids (incliciran) and antisense nucleotides.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».