Computer-aided Drug Discovery of Epigenetic Modulators in Dual-target Therapy of Multifactorial Diseases
Notice bibliographique
Résumé
Numerous studies suggest that common genetic and epigenetic factors such as p53, histone deacetylase (HDAC), brain-derived neurotrophic factor (BDNF), the (Ataxia Telangiectasia mutated) ATM gene, cyclin-dependent kinase 5 (CDK5), glycogen synthase kinase 3 (GSK3) and altered expression of microRNA (miRNA) play a crucial role in cancer and neurodegeneration. As there is growing evidence that epigenetic aberrations in cancer and neurological diseases lead to complex pathophysiological changes, the simultaneous targeting of epigenetic and other related pathways by dual-target inhibitors may contribute to the discovery of more effective and personalized therapeutic options. Computer-Aided Drug Design (CADD) provides comprehensive bioinformatic, chemoinformatic, and chemometric approaches for the design of novel chemotypes of epigenetic dual-target inhibitors, enabling efficient discovery of new drug candidates for innovative treatments of these multifactorial diseases. The detailed anticancer mechanisms by which the epigenetic dual-target inhibitors alter metastatic and tumorigenic properties, influence the tumor microenvironment, or regulate the immune response are also presented and discussed in the review. To improve our understanding of the pathogenesis of cancer and neurodegeneration, this review discusses novel therapeutic agents targeting different molecular mechanisms involved in these multifactorial diseases.
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 ».