MétaCan
Menu
Retour à la cohorte
Enregistrement W4321605991 · doi:10.1055/a-1989-1856

Protein kinases: Role of their dysregulation in carcinogenesis, identification and inhibition

2023· review· en· W4321605991 sur OpenAlexaff
Niloy Sarkar, Amit Kishore Singh, Pankaj Kumar, Mahima Kaushik

Notice bibliographique

RevueDrug Research · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueCancer-related Molecular Pathways
Établissements canadiensInnovation Cluster (Canada)
Organismes subventionnairesUniversity of DelhiUniversity Grants Commission
Mots-clésCarcinogenesisKinaseIdentification (biology)Cancer researchCell biologyChemistryBiologyBiochemistryGene

Résumé

récupéré en direct d'OpenAlex

Protein kinases belong to the phosphor-transferases superfamily of enzymes, which "activate" enzymes via phosphorylation. The kinome of an organism is the total set of genes in the genome, which encode for all the protein kinases. Certain mutations in the kinome have been linked to dysregulation of protein kinases, which in turn can lead to several diseases and disorders including cancer. In this review, we have briefly discussed the role of protein kinases in various biochemical processes by categorizing cancer associated phenotypes and giving their protein kinase examples. Various techniques have also been discussed, which are being used to analyze the structure of protein kinases, and associate their roles in the oncogenesis. We have also discussed protein kinase inhibitors and United States Federal Drug Administration (USFDA) approved drugs, which target protein kinases and can serve as a counter to protein kinase dysregulation and mitigate the effects of oncogenesis. Overall, this review briefs about the importance of protein kinases, their roles in oncogenesis on dysregulation and how their inhibition via various drugs can be used to mitigate their effects.

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)0,002
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,941
Score d'incertitude au seuil0,690

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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 Opus0,111
Tête enseignante GPT0,405
Écart entre enseignants0,294 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeAutre devis
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

Citations24
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDrug ResearchMême sujetCancer-related Molecular PathwaysTravaux en français237 207