MétaCan
Menu
Retour à la cohorte
Enregistrement W7034288283

Synthèse chimique et évaluation biologique de dérivés stéroïdiens pour lutter contre les maladies sensibles aux estrogènes

2018· other· fr· W7034288283 sur OpenAlexfundno aff

Notice bibliographique

RevueCorpus Université Laval (Université Laval) · 2018
Typeother
Languefr
DomaineSocial Sciences
ThématiqueInnovation, Sustainability, Human-Machine Systems
Établissements canadiensnon disponible
Organismes subventionnairesMitacs
Mots-clésCoronary heart diseaseGeneral interest
DOInon disponible

Résumé

récupéré en direct d'OpenAlex

Depuis quelques années, de plus en plus de personnes reçoivent un diagnostic pour des maladies prolifératives induites par des hormones estrogéniques. On dénombre parmi eux de nombreux cancers, tel que le cancer du sein, mais également une maladie comme l’endométriose. Même si les thérapies couramment utilisées sont plus efficaces, plusieurs problèmes persistent dont : la résistance aux médicaments ainsi que les effets indésirables liés au manque d’efficacités et au caractère destructif de plusieurs de ces traitements. Il est donc essentiel de développer de nouvelle alternative au traitement pour offrir des options thérapeutiques plus sélectives et plus efficaces au traitement actuel de ces maladies. L’hormonothérapie représente une avenue intéressante, puisqu’elle pourrait ralentir, voir bloquer la progression de ces maladies en limitant certains effets secondaires liés aux traitements actuellement utilisés. En fait, l’enzyme 17β- hydroxystéroïde déshydrogénase type 1 (17β-HSD1) est une cible clé pour ce type de traitement, puisqu’elle régule la formation de l’estradiol, l’estrogène le plus puissant. Ainsi, une inhibition de cette enzyme diminuerait les niveaux d’hormones estrogéniques intracrines qui lient et activent les récepteurs des estrogènes. En se basant sur plusieurs travaux effectués dans ce domaine, plusieurs dérivés stéroïdiens ont été synthétisés dans le but d’obtenir de puissants inhibiteurs pour l’enzyme 17β-HSD1. Dans un premier temps, on compte de nombreux dérivés benzyles fonctionnalisés qui furent ajoutés au niveau du carbone 16 du noyau stéroïdien. Ces modifications ont permis d’obtenir une série d’analogues de notre composé de tête (PBRM). Ensuite, un groupe oxirane fut ajouté en position 3 afin d’en évaluer l’activité par rapport à l’inhibiteur PBRM. Les travaux réalisés ont permis d’approfondir et de découvrir des informations cruciales sur l’inhibition de l’enzyme. Quelques composés synthétisés ont permis d’obtenir des activités inhibitrices intéressantes qui serviront de point de départ lors de futurs travaux. Ces découvertes permettront de mieux cibler certaines fonctionnalisations utiles pour la conception d’inhibiteurs permettant de traiter certaines maladies sensibles aux estrogènes.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,007
Score d'incertitude au seuil0,024

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0070,003

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 Opus0,019
Tête enseignante GPT0,255
Écart entre enseignants0,236 · 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

Citations0
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCorpus Université Laval (Université Laval)Même sujetInnovation, Sustainability, Human-Machine SystemsTravaux en français237 207