Hypolipidemic drugs inhibiting the proprotein convertase of subtilisin/kexin type 9 (PCSK9): monoclonal antibodies, antisense oligonucleotides, small interfering ribonucleic acids
Notice bibliographique
Résumé
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 hypolipidemic drugs. In 2003, canadian and french research groups led by N. Seidah and M. Abifadel discovered a new enzyme proprotein convertase subtilisin/kexin type 9 (PCSK9), which later turned out to play 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. Increased activity of PCSK9 significantly accelerates the degradation of LDL and leads to an increase in the concentration of atherogenic classes of lipoproteins-low-density lipoproteins (LDL). In contrast, reduced PCSK9 activity is accompanied by a decrease in LDL concentrations and a reduced risk of developing atherosclerosis and CVD. The second of the recently discovered and less studied mechanism of PCSK9 protearogenic action is an increase in inflammatory processes in the atherosclerotic plaque. Given this adverse 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 groups of drugs have been developed that target the stages of biosynthesis and the function of PCSK9. In this article, we will focus in detail on discussing the mechanisms of action and effectiveness of the following groups of hypolipidemic 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 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) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».