MétaCan
Menu
Retour à la cohorte
Enregistrement W4416509641 · doi:10.1002/slct.202503721

O‐Silyl Codeine Analogues as Ligands for Opioid Receptors

2025· article· en· W4416509641 sur OpenAlexafffund
Samira Barmaki, Arlene Ali, Jean‐Paul Desaulniers, Sultan Ahmad, Sean G. Forrester, Sierra Varley, Yuri Bolshan

Notice bibliographique

RevueChemistrySelect · 2025
Typearticle
Langueen
DomaineNeuroscience
ThématiqueNeuropeptides and Animal Physiology
Établissements canadiensPurdue Pharma (Canada)Ontario Tech University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaPurdue PharmaPurdue University
Mots-clésCodeineOpioidOpioid receptorReceptorEtherProdrugLead compoundNaltrindole

Résumé

récupéré en direct d'OpenAlex

Abstract A series of novel opioid derivatives were designed and synthesized. Further binding and functional studies demonstrated that all analogues act as antagonists of the μ‐opioid receptor (MOR). This study highlights that a chemical modification at position 6 in combination with substituents on the nitrogen of codeine can lead to increased activity at the MOR. In particular, the conversion of alcohol to silyl ether at position 6 of codeine and norcodeine using tert ‐butyldiphenylsilyl (TBDPS) group led to increased activity at the MOR. Furthermore, the introduction of a smaller silyl group such as tert ‐butyldimethylsilyl (TBDMS) at position 6 of norcodeine in combination with an N ‐substitution also led to increased MOR activity. These findings may serve as a promising lead for the development of chemical probes as well as for further investigation of ligand‐opioid interactions and non‐covalent codeine analogues for opioid receptors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut 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 enseignants0,039
Score d'incertitude au seuil0,563

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
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 recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,018
Tête enseignante GPT0,295
Écart entre enseignants0,277 · 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 tête enseignante, 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

Citations0
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueChemistrySelectMême sujetNeuropeptides and Animal PhysiologyTravaux en français237 207