Cyclic nucleotide phosphodiesterases as drug targets
Notice bibliographique
Résumé
Cyclic nucleotides are synthesized by adenylyl and/or guanylyl cyclase, and downstream of this synthesis, the cyclic nucleotide phosphodiesterase families (PDEs) specifically hydrolyze cyclic nucleotides. PDEs control cyclic adenosine-3',5'monophosphate (cAMP) and cyclic guanosine-3',5'-monophosphate (cGMP) intracellular levels by mediating their quick return to the basal steady state levels. This often takes place in subcellular nanodomains. Thus, PDEs govern short-term protein phosphorylation, long-term protein expression, and even epigenetic mechanisms by modulating cyclic nucleotide levels. Consequently, their involvement in both health and disease is extensively investigated. PDE inhibition has emerged as a promising clinical intervention method, with ongoing developments aiming to enhance its efficacy and applicability. In this comprehensive review, we extensively look into the intricate landscape of PDEs biochemistry, exploring their diverse roles in various tissues. Furthermore, we outline the underlying mechanisms of PDEs in different pathophysiological conditions. Additionally, we review the application of PDE inhibition in related diseases, shedding light on current advancements and future prospects for clinical intervention. SIGNIFICANCE STATEMENT: Regulating PDEs is a critical checkpoint for numerous (patho)physiological conditions. However, despite the development of several PDE inhibitors aimed at controlling overactivated PDEs, their applicability in clinical settings poses challenges. In this context, our focus is on pharmacodynamics and the structure activity of PDEs, aiming to illustrate how selectivity and efficacy can be optimized. Additionally, this review points to current preclinical and clinical evidence that depicts various optimization efforts and indications.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,001 |
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; les deux têtes enseignantes s’accordent sur ce qui est montré ici.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».