MétaCan
Menu
Retour à la cohorte
Enregistrement W4387541094 · doi:10.1021/acsinfecdis.3c00189

Small-Molecule Antibiotic Drug Development: Need and Challenges

2023· review· en· W4387541094 sur OpenAlexaff
Megan Bergkessel, Barbara Forte, Ian H. Gilbert

Notice bibliographique

RevueACS Infectious Diseases · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueAntibiotic Resistance in Bacteria
Établissements canadiensDiscovery Centre
Organismes subventionnairesMedical Research CouncilUK Research and InnovationDiabetes UKDepartment for Business, Energy and Industrial Strategy, UK GovernmentAcademy of Medical SciencesBritish Heart FoundationWellcome Trust
Mots-clésAntibioticsContext (archaeology)Intensive care medicineDrug developmentAntibiotic resistancePopulationDrugMedicineBiologyEnvironmental healthPharmacologyMicrobiology

Résumé

récupéré en direct d'OpenAlex

The need for new antibiotics is urgent. Antimicrobial resistance is rising, although currently, many more people die from drug-sensitive bacterial infections. The continued evolution of drug resistance is inevitable, fueled by pathogen population size and exposure to antibiotics. Additionally, opportunistic pathogens will always pose a threat to vulnerable patients whose immune systems cannot efficiently fight them even if they are sensitive to available antibiotics, according to clinical microbiology tests. These problems are intertwined and will worsen as human populations age, increase in density, and experience disruptions such as war, extreme weather events, or declines in standard of living. The development of appropriate drugs to treat all the world's bacterial infections should be a priority, and future success will likely require combinations of multiple approaches. However, the highest burden of bacterial infection is in Low- and Middle-Income Countries, where limited medical infrastructure is a major challenge. For effectively managing infections in these contexts, small-molecule-based treatments offer significant advantages. Unfortunately, support for ongoing small-molecule antibiotic discovery has recently suffered from significant challenges related both to the scientific difficulties in treating bacterial infections and to market barriers. Nevertheless, small-molecule antibiotics remain essential and irreplaceable tools for fighting infections, and efforts to develop novel and improved versions deserve ongoing investment. Here, we first describe the global historical context of antibiotic treatment and then highlight some of the challenges surrounding small-molecule development and potential solutions. Many of these challenges are likely to be common to all modalities of antibacterial treatment and should be addressed directly.

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)0,006
score de la tête « metaresearch » (Gemma)0,006
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 enseignants0,008
Score d'incertitude au seuil0,029

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0060,006
Méta-épidémiologie (sens strict)0,0010,001
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0010,003
Communication savante0,0040,009
Science ouverte0,0020,002
Intégrité de la recherche0,0050,007
Charge utile insuffisante (le modèle a refusé de juger)0,0080,006

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 Opus0,043
Tête enseignante GPT0,287
Écart entre enseignants0,244 · 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

Citations68
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Infectious DiseasesMême sujetAntibiotic Resistance in BacteriaTravaux en français237 207