MétaCan
Menu
Retour à la cohorte
Enregistrement W4223897956 · doi:10.1089/cbr.2021.0276

Potential Theranostic Boron Neutron Capture Therapy Agents as Multimodal Radiopharmaceuticals

2022· review· en· W4223897956 sur OpenAlexaff
Amir Reza Jalilian, Arman Shahi, I. P. Swainson, Hiroyuki Nakamura, Meera Venkatesh, João Alberto Osso

Notice bibliographique

RevueCancer Biotherapy and Radiopharmaceuticals · 2022
Typereview
Langueen
DomaineMedicine
ThématiqueBoron Compounds in Chemistry
Établissements canadiensMcMaster University
Organismes subventionnairesnon disponible
Mots-clésNeutron captureMedicineProstate cancerBoronCancer researchCancerMedical physicsChemistryInternal medicine

Résumé

récupéré en direct d'OpenAlex

Boron neutron capture therapy (BNCT) has been extant for decades and continues to be practiced in many centers around the globe. Most of the active clinical trials utilize boronophenylalanine as the drug containing boron atoms. The important aspect that has been added to the BNCT practice is the use of an F-18 radiolabeled analog for ascertaining targeting and monitoring follow-up studies. The recent widespread application of therapeutic radiopharmaceuticals, especially peptides (somatostatin analogs), prostate-specific antigen-binding ligands, or immunomolecules, offers the ambit for invention of new tumor-specific BNCT agents, especially for BNCT-susceptible tumors, that is, locoregional cancers such as head and neck cancer. Such BNCT agents, when radiolabeled, can enable simultaneous imaging and/or therapeutic applications (depending on the radionuclide used) through multimodal approaches. Development of boron-rich moieties such as sodium borocaptate and neutral carboranes combined with tumor-targeting moieties can lead to a new horizon in BNCT. The review covers various aspects of drug design, tumor targeting, and possible future radiopharmaceutical development for multimodal theranostic application in humans.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict), Intégrité de la recherche, Charge utile insuffisante (le modèle a refusé de juger)
Catégories consensuellesMéta-épidémiologie (sens strict)
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 enseignants0,982
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0020,001
Méta-épidémiologie (sens large)0,0040,001
Bibliométrie0,0000,001
Études des sciences et des technologies0,0010,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0220,000

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.

Tête enseignante Opus0,103
Tête enseignante GPT0,453
Écart entre enseignants0,350 · 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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.

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

Citations9
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCancer Biotherapy and RadiopharmaceuticalsMême sujetBoron Compounds in ChemistryTravaux en français237 207