MétaCan
Menu
Retour à la cohorte
Enregistrement W1960346620 · doi:10.1080/19420862.2015.1057364

Structure-guided residence time optimization of a dabigatran reversal agent

2015· article· en· W1960346620 sur OpenAlexaff
Felix Schiele, Joanne van Ryn, Tobias Litzenburger, Michael Ritter, Daniel Seeliger, Herbert Nar

Notice bibliographique

RevuemAbs · 2015
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensBoehringer Ingelheim (Canada)
Organismes subventionnairesnon disponible
Mots-clésDabigatranIdarucizumabIn vivoChemistryPharmacologyMedicineWarfarinInternal medicineBiologyAtrial fibrillation

Résumé

récupéré en direct d'OpenAlex

Novel oral anticoagulants are effective and safe alternatives to vitamin-K antagonists for anticoagulation therapy. However, anticoagulation therapy in general is associated with an elevated risk of bleeding. Idarucizumab is a reversal agent for the direct thrombin inhibitor, dabigatran etexilate (Pradaxa®) and is currently in Phase 3 studies. Here, we report data on the antibody fragment aDabi-Fab2, a putative backup molecule for idarucizumab. Although aDabi-Fab2 completely reversed effects of dabigatran in a rat model in vivo, we observed significantly reduced duration of action compared to idarucizumab. Rational protein engineering, based on the X-ray structure of aDabi-Fab2, led to the identification of mutant Y103W. The mutant had optimized shape complementarity to dabigatran while maintaining an energetically favored hydrogen bond. It displayed increased affinity for dabigatran, mainly driven by a slower off-rate. Interestingly, the increased residence time translated into longer duration of action in vivo. It was thus possible to further enhance the efficacy of aDabi-Fab2 based on rational design, giving it the potential to serve as a back-up candidate for idarucizumab.

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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,005

Scores du classifieur distillé par catégorie (deux têtes)

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

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 Opus0,047
Tête enseignante GPT0,307
Écart entre enseignants0,261 · 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'étudeSimulation ou modélisation
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

Citations14
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuemAbsMême sujetComputational Drug Discovery MethodsTravaux en français237 207