Dysregulated Iron Homeostasis as Common Disease Etiology and Promising Therapeutic Target
Notice bibliographique
Résumé
Iron is irreplaceably required for animal and human cells as it provides the activity center for a wide variety of essential enzymes needed for energy production, nucleic acid synthesis, carbon metabolism and cellular defense. However, iron is toxic when present in excess and its uptake and storage must, therefore, be tightly regulated to avoid damage. A growing body of evidence indicates that iron dysregulation leading to excess quantities of free reactive iron is responsible for a wide range of otherwise discrete diseases. Iron excess can promote proliferative diseases such as infections and cancer by supplying iron to pathogens or cancer cells. Toxicity from reactive iron plays roles in the pathogenesis of various metabolic, neurological and inflammatory diseases. Interestingly, a common underlying aspect of these conditions is availability of excess reactive iron. This underpinning aspect provides a potential new therapeutic avenue. Existing hematologically used iron chelators to take up excess iron have shown serious limitations for use but new purpose-designed chelators in development show promise for suppressing microbial pathogen and cancer cell growth, and also for relieving iron-induced toxicity in neurological and other diseases. Hepcidin and hepcidin agonists are also showing promise for relieving iron dysregulation. Harnessing iron-driven reactive oxygen species (ROS) generation with ferroptosis has shown promise for selective destruction of cancer cells. We review biological iron requirements, iron regulation and the nature of iron dysregulation in various diseases. Current results pertaining to potential new therapies are also reviewed.
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) | 0,002 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 ».