<i>Clostridioides difficile</i>: innovations in target discovery and potential for therapeutic success
Notice bibliographique
Résumé
Introduction Clostridioides difficile infection (CDI) remains a worldwide clinical problem. Increased incidence of primary infection, occurrence of hypertoxigenic ribotypes, and more frequent occurrence of drug resistant, recurrent, and non-hospital CDI, emphasizes the urgent unmet need of discovering new therapeutic targets.Areas covered We searched PubMed and Web of Science databases for articles identifying novel therapeutic targets or treatments for C. difficile from 2001 to 2021. We present an updated review on current preclinical efforts on designing inhibitory compounds against these drug targets and indicate how these could become the focus of future therapeutic approaches. We also evaluate the increasing exploitability of gut microbial-derived metabolites and host-derived therapeutics targeting VEGF-A, immune targets and pathways, ion transporters, and microRNAs as anti-C. difficile therapeutics, which have yet to reach clinical trials. Our review also highlights the therapeutic potential of re-purposing currently available agents . We conclude by considering translational hurdles and possible strategies to mitigate these problems.Expert opinion Considerable progress has been made in the development of new anti-CDI drug candidates. Nevertheless, a greater comprehension of CDI pathogenesis and host-microbe interactions is beginning to uncover potential novel therapeutic targets, which can be exploited to plug gaps in the CDI drug discovery pipeline.
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 | 0,001 |
| 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 ».