The Potential Use of Peptides in the Fight against Chagas Disease and Leishmaniasis
Notice bibliographique
Résumé
Chagas disease and leishmaniasis are both neglected tropical diseases that affect millions of people around the world. Leishmaniasis is currently the second most widespread vector-borne parasitic disease after malaria. The World Health Organization records approximately 0.7–1 million newly diagnosed leishmaniasis cases each year, resulting in approximately 20,000–30,000 deaths. Also, 25 million people worldwide are at risk of Chagas disease and an estimated 6 million people are infected with Trypanosoma cruzi. Pentavalent antimonials, amphotericin B, miltefosine, paromomycin, and pentamidine are currently used to treat leishmaniasis. Also, nifurtimox and benznidazole are two drugs currently used to treat Chagas disease. These drugs are associated with toxicity problems such as nephrotoxicity and cardiotoxicity, in addition to resistance problems. As a result, the discovery of novel therapeutic agents has emerged as a top priority and a promising alternative. Overall, there is a need for new and effective treatments for Chagas disease and leishmaniasis, as the current drugs have significant limitations. Peptide-based drugs are attractive due to their high selectiveness, effectiveness, low toxicity, and ease of production. This paper reviews the potential use of peptides in the treatment of Chagas disease and leishmaniasis. Several studies have demonstrated that peptides are effective against Chagas disease and leishmaniasis, suggesting their use in drug therapy for these diseases. Overall, peptides have the potential to be effective therapeutic agents against Chagas disease and leishmaniasis, but more research is needed to fully investigate their potential.
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) | 0,000 | 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 ».