Harnessing Structural Data of Insulin and Insulin Receptor for Therapeutic Designs
Notice bibliographique
Résumé
To lower blood glucose concentration, insulin binds to insulin receptor (IR) that possesses two distinct insulin binding sites to trigger downstream signaling events leading to an increased uptake of glucose into muscle and fat cells. Comprehensive understandings of structural and dynamic mechanisms of insulin and its receptor are essential to design therapeutic agents for treating and delaying the onset of diabetes that affects over 347 million people worldwide. No full-length IR structure is available hitherto. Harnessing the currently available and state-of-the-art sequence and structural data, we have reviewed the insulin, IR, its extracellular domains and transmembrane domain, to derive structure-based clues to regulate aberrant insulin and its receptor. To propose testable hypotheses and future experiments, we have performed literature review, text mining, multiple structural clustering and normal mode analysis on insulin and its receptor. It appears that insulin-receptor interaction involves allostery and conformational changes (including rotation and tilting) to overcome steric clashes. To target a particular aberrant isoform of IRs, we need to identify the subtle yet distinct differences between IR isoforms. To improve the life quality of diabetics, better structure-based designs of insulin mimetics, formulation and nanotechnology-based delivery are required; efforts to bring them to patients necessitate thorough structural understandings of insulin and its receptor. J Endocrinol Metab. 2015;5(5):273-283 doi: http://dx.doi.org/10.14740/jem302w
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,003 | 0,004 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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; un appel candidat d’une seule source (Gemma direct ou Codex distillé), 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 ».