Venom and Toxin as Targeted Therapy
Notice bibliographique
Résumé
Targeted therapy has developed significantly in the last one and half decades, prescribing specific medications for treatment of particular diseases, such as cancer, diabetes, and heart disease. One of the most exciting recent developments in targeted therapies was the isolation of disease-specific molecules from natural resources, such as animal venoms and plant metabolites/toxins, for use as templates for new drug motif designs. In addition, the study of venom proteins/peptides and toxins naturally targeted mammalian receptors and demonstrated high specificity and selectivity towards defined ion channels of cell membranes. Research has also focsed intensely on receptors. The focus of this Special Issue of Toxins addressed the most recent advances using animal venoms, such as frog secretions, bee/ant venoms and plant/fungi toxins, as medicinal therapy. Recent advances in venom/toxin/immunotoxins for targeted cancer therapy and immunotherapy, along with using novel disease-specific venom-based protein/peptide/toxin and currently available FDA-approved drugs for combinationtreatments will be discussed. Finally, we included an overview of select promising toad/snake venom-based peptides/toxins potentially able to address the forthcoming challenges in this field. Both research and review articles proposing novelties or overviews, respectively, were published in this Special Issue after rigorous evaluation and revision by expert peer reviewers.
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 | 0,000 |
| 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 | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,016 | 0,009 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».