MétaCan
Menu
Retour à la cohorte
Enregistrement W4321612735 · doi:10.1002/jlcr.4019

Strategies for designing novel positron emission tomography (PET) radiotracers to cross the blood–brain barrier

2023· review· en· W4321612735 sur OpenAlexafffund
Anton Lindberg, Melissa Chassé, Cassis Varlow, Anna Pees, Neil Vasdev

Notice bibliographique

RevueJournal of Labelled Compounds and Radiopharmaceuticals · 2023
Typereview
Langueen
DomaineMedicine
ThématiqueDrug Transport and Resistance Mechanisms
Établissements canadiensUniversity of TorontoCentre for Addiction and Mental Health
Organismes subventionnairesCanada Foundation for InnovationAzrieli FoundationCanadian Institutes of Health ResearchMitacsCanada Research ChairsCentre for Addiction and Mental Health Foundation
Mots-clésPositron emission tomographyNeuroimagingChemistryPet imagingBlood–brain barrierIn vivoNeuroscienceBrain positron emission tomographyMolecular imagingCentral nervous systemPreclinical imagingMedical physicsNuclear medicinePsychologyMedicine

Résumé

récupéré en direct d'OpenAlex

Positron emission tomography (PET) is a powerful tool for imaging biological processes in the central nervous system (CNS). Designing PET radiotracers capable of crossing the blood–brain barrier (BBB) remains a major challenge. In addition to being brain‐penetrant, a quantifiable CNS PET radiotracer must have high target affinity and selectivity, appropriate pharmacokinetics, minimal non‐specific binding, negligible radiometabolites in the brain, and generally must be amenable to labeling with carbon‐11 ( 11 C) or fluorine‐18 ( 18 F). This review aims to give an overview of some of the critical physicochemical and biochemical contributors specific for CNS PET radiotracer design and how they can differ from pharmaceutical drug development, including in vitro assays, in silico predictions, and in vivo studies, with examples for how such methods can be implemented to optimize brain uptake of radiotracers based on experiences from our neuroimaging program.

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 candidatesMéta-épidémiologie (sens strict)
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 enseignants0,914
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0030,001
Bibliométrie0,0010,001
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 Opus0,081
Tête enseignante GPT0,416
Écart entre enseignants0,335 · 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.

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

Citations30
Publié2023
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Labelled Compounds and RadiopharmaceuticalsMême sujetDrug Transport and Resistance MechanismsTravaux en français237 207