Notice bibliographique
Résumé
<h2>Abstract</h2> Positron emission tomography (PET) is a highly sensitive, quantitative imaging technique that can track sub-nanomolar quantities of positron-emitting radionuclides throughout the body. By incorporating such radionuclides into molecules of interest, we can directly assess their pharmacokinetic and pharmacodynamic (PK/PD) characteristics <i>in vivo</i> without changing their physicochemical characteristics or eliciting a pharmacological response. As such, PET imaging has long been used as a tool to aid drug discovery programs from preclinical biomarker validation all the way through to clinical trials. In this perspective we discuss the use of PET radioligands in central nervous system (CNS) drug discovery and development, with a focus on recent applications in psychiatry (e.g. 5-HT<sub>2</sub>A, 11β-HSD1), neuro-oncology (e.g. KRAS<sup>G12C</sup>, ATM, ALK2), and neurodegeneration (e.g. amyloid beta plaques, MAPK p38), while exploring the intricacies associated with developing novel radiotracers for CNS targets. Examples highlight the preclinical and clinical uses of PET for studying biomarker function, drug candidate PK/PD, target occupancy/engagement, dosing regimen determination, clinical trial patient selection, and quantifying biomarker changes in response to treatments.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 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 | 0,001 |
| 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 ».