MétaCan
Menu
Retour à la cohorte
Enregistrement W4221093761 · doi:10.3390/ijms23073435

The Path to Therapeutic Furin Inhibitors: From Yeast Pheromones to SARS-CoV-2

2022· review· en· W4221093761 sur OpenAlexafffund
Gary Thomas, Frédéric Couture, Anna Kwiatkowska

Notice bibliographique

RevueInternational Journal of Molecular Sciences · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversité de SherbrookeOncolytics Biotech (Canada)Université LavalCentre intégré de santé et de services sociaux de Chaudière-Appalaches
Organismes subventionnairesNational Institute of Diabetes and Digestive and Kidney DiseasesFonds de recherche du Québec – Nature et technologiesNational Institutes of Health
Mots-clésFurinBiologyVirulenceVirologyComputational biologyGeneticsEnzymeGeneBiochemistry

Résumé

récupéré en direct d'OpenAlex

The spurious acquisition and optimization of a furin cleavage site in the SARS-CoV-2 spike protein is associated with increased viral transmission and disease, and has generated intense interest in the development and application of therapeutic furin inhibitors to thwart the COVID-19 pandemic. This review summarizes the seminal studies that informed current efforts to inhibit furin. These include the convergent efforts of endocrinologists, virologists, and yeast geneticists that, together, culminated in the discovery of furin. We describe the pioneering biochemical studies which led to the first furin inhibitors that were able to block the disease pathways which are broadly critical for pathogen virulence, tumor invasiveness, and atherosclerosis. We then summarize how these studies subsequently informed current strategies leading to the development of small-molecule furin inhibitors as potential therapies to combat SARS-CoV-2 and other diseases that rely on furin for their pathogenicity and progression.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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.

Tête enseignante Opus0,100
Tête enseignante GPT0,428
Écart entre enseignants0,327 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations22
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueInternational Journal of Molecular SciencesMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207