MétaCan
Menu
Retour à la cohorte
Enregistrement W4411764251 · doi:10.1021/acs.jmedchem.5c00584

From Inhibitors to PET: SAR-Based Development of [<sup>18</sup>F]SK60 for mIDH1 Imaging

2025· article· en· W4411764251 sur OpenAlexaff
Sarandeep Kaur, Sladjana Dukic-Stefanovic, Winnie Deuther‐Conrad, Magali Toussaint, Barbara Wenzel, Peter Lönnecke, Cornelius K. Donat, Rareş‐Petru Moldovan, Klaus Kopka

Notice bibliographique

RevueJournal of Medicinal Chemistry · 2025
Typearticle
Langueen
DomaineMedicine
ThématiqueGlioma Diagnosis and Treatment
Établissements canadiensInstitute of Cancer Research
Organismes subventionnairesnon disponible
Mots-clésChemistryRadiochemistry

Résumé

récupéré en direct d'OpenAlex

High Resolution Image Download MS PowerPoint Slide Mutations in isocitrate dehydrogenase 1/2 (mIDH1/2) are clinically significant biomarkers for diagnosis, prognosis, and therapy in cancer. To advance the noninvasive molecular imaging of mIDH1, we aim to develop a positron emission tomography (PET) radiotracer targeting IDH1R132H, the most common type of mIDH1/2. Starting from compound GSK321, a systematic structure–activity relationships (SAR) optimization was performed leading to the dimethylated derivative SK60 ( 19 ) with low nanomolar potency and high selectivity for IDH1R132H. Consequently, [ 18 F]SK60 was developed via copper-mediated radiofluorination. Various in vitro studies with [ 18 F]SK60 showed a high fraction of nonspecific binding. The in vivo evaluation revealed high metabolic stability with no detectable brain-permeable radiometabolite. In addition, limited brain uptake was observed by PET suggesting that further structural modifications to reduce lipophilicity might be needed for this structure. The present study led thus to a novel series of dimethylated GSK321 derivatives for further investigation in IDH1R132H-related therapies and PET imaging.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,006

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0020,001

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.

Tête enseignante Opus0,013
Tête enseignante GPT0,296
Écart entre enseignants0,283 · 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'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations1
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medicinal ChemistryMême sujetGlioma Diagnosis and TreatmentTravaux en français237 207