Maltase Glucoamylase (MGAM): Putting Diabetes in its Place! (LB85)
Notice bibliographique
Résumé
By 2050 1 in 3 Americans will have type 2 diabetes, a disease characterized by excessively high blood glucose levels. Typically, diabetes is treated with regular insulin injections and blood sugar monitoring. For centuries, Aryuvedic medicine has had a massive following, in part due to its natural remedies for diabetes deriving from an Indian herb, Salacia reticulata . These extracts were found to contain α‐glucosidase inhibitors, a class of anti‐diabetic drugs that competitively inhibit intestinal starch‐digesting enzymes such as human Maltase Glucoamylase (MGAM). As MGAM is responsible for catalyzing the final glucose‐releasing step of starch digestion, inhibiting MGAM would delay glucose absorption into the bloodstream. The Ashbury SMART (Students Modeling a Research Topic) Team modeled MGAM in complex with two inhibitors, salacinol and Acarbose, (PDBID 2QMJ & 3L4Z) using Jmol and 3D printing technology. The binding of ‐glucosidase inhibitor salacinol, derived from Salacia reticulata extracts and Acarbose, a currently prescribed α‐glucosidase inhibitor will be compared in the MGAM active site. Notably, both inhibitors interact with MGAM residues Asp327 and His600 through ring hydroxyl groups, however salacinol contributes additional electrostatic interaction between its sulfonium center and the catalytic nucleophile Asp443. Grant Funding Source : Supported by grants from the NIH‐SEPA and NIH‐CTSA.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 ».