MétaCan
Menu
Retour à la cohorte
Enregistrement W4386314838 · doi:10.37349/etat.2023.00166

Medicinal chemistry advances in targeting class I histone deacetylases

2023· review· en· W4386314838 sur OpenAlexaff
Diaaeldin I. Abdallah, Elvin D. de Araujo, Naman H. Patel, Lina S. Hasan, Richard Moriggl, Oliver H. Krämer, Patrick T. Gunning

Notice bibliographique

RevueExploration of Targeted Anti-tumor Therapy · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueHistone Deacetylase Inhibitors Research
Établissements canadiensUniversity of Toronto
Organismes subventionnairesnon disponible
Mots-clésHistoneEpigeneticsAcetylationHDAC11Histone deacetylaseBiologyCancer epigeneticsComputational biologyCell biologyChemistryCancer researchDNAGeneGeneticsHistone methyltransferase

Résumé

récupéré en direct d'OpenAlex

Histone deacetylases (HDACs) are a class of zinc (Zn)-dependent metalloenzymes that are responsible for epigenetic modifications. HDACs are largely associated with histone proteins that regulate gene expression at the DNA level. This tight regulation is controlled by acetylation [via histone acetyl transferases (HATs)] and deacetylation (via HDACs) of histone and non-histone proteins that alter the coiling state of DNA, thus impacting gene expression as a downstream effect. For the last two decades, HDACs have been studied extensively and indicated in a range of diseases where HDAC dysregulation has been strongly correlated with disease emergence and progression-most prominently, cancer, neurodegenerative diseases, HIV, and inflammatory diseases. The involvement of HDACs as regulators in these biochemical pathways established them as an attractive therapeutic target. This review summarizes the drug development efforts exerted to create HDAC inhibitors (HDACis), specifically class I HDACs, with a focus on the medicinal chemistry, structural design, and pharmacology aspects of these inhibitors.

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)0,000
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 enseignants0,006
Score d'incertitude au seuil0,020

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
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 recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0060,003

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 Opus0,058
Tête enseignante GPT0,384
Écart entre enseignants0,326 · 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

Citations13
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueExploration of Targeted Anti-tumor TherapyMême sujetHistone Deacetylase Inhibitors ResearchTravaux en français237 207