MétaCan
Menu
Retour à la cohorte
Enregistrement W4386747582 · doi:10.2174/0929867331666230913165219

Three Decades of Targeting Falcipains to Develop AntiplasmodialAgents: What have we Learned and What can be Done Next?

2023· article· en· W4386747582 sur OpenAlexaff
Jorge Enrique Hernández González, Emir Salas‐Sarduy, Lilian Hernández Alvarez, Pedro A. Valiente, Raghuvir K. Arni, Pedro G. Pascutti

Notice bibliographique

RevueCurrent Medicinal Chemistry · 2023
Typearticle
Langueen
DomaineMedicine
ThématiqueTrypanosoma species research and implications
Établissements canadiensUniversity of Toronto
Organismes subventionnairesFundação de Amparo à Pesquisa do Estado de São Paulo
Mots-clésProteasesMalariaPlasmodium falciparumDrug discoveryComputational biologyBiologyAntimalarial AgentCysteine Proteinase InhibitorsPharmacologyBioinformaticsBiochemistryEnzymeImmunology

Résumé

récupéré en direct d'OpenAlex

being responsible for the most lethal form of the disease. During the intraerythrocytic stage in the human hosts, malaria parasites multiply and degrade hemoglobin (Hb) using a battery of proteases, which include two cysteine proteases, falcipains 2 and 3 (FP-2 and FP-3). Due to their role as major hemoglobinases, FP-2 and FP-3 have been targeted in studies aiming to discover new antimalarials and numerous inhibitors with activity against these enzymes, and parasites in culture have been identified. Nonetheless, cross-inhibition of human cysteine cathepsins remains a serious hurdle to overcome for these compounds to be used clinically. In this article, we have reviewed key functional and structural properties of FP-2/3 and described different compound series reported as inhibitors of these proteases during decades of active research in the field. Special attention is also paid to the wide range of computer-aided drug design (CADD) techniques successfully applied to discover new active compounds. Finally, we provide guidelines that, in our understanding, will help advance the rational discovery of new FP-2/3 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 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)0,000
score de la tête « metaresearch » (Gemma)0,002
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,202
Score d'incertitude au seuil0,809

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,002
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,113
Tête enseignante GPT0,378
Écart entre enseignants0,265 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Medicinal ChemistryMême sujetTrypanosoma species research and implicationsTravaux en français237 207