BRET biosensors to study GPCR biology, pharmacology, and signal transduction
Notice bibliographique
Résumé
Bioluminescence resonance energy transfer (BRET)-based biosensors have been extensively used over the last decade to study protein-protein interactions and intracellular signal transduction in living cells. In this review, we discuss the various BRET biosensors that have been developed to investigate biology, pharmacology, and signaling of G protein-coupled receptors (GPCRs). GPCRs form two distinct types of multiprotein signal transduction complexes based upon their inclusion of G proteins or β-arrestins that can be differentially affected by drugs that exhibit functional selectivity toward G protein or β-arrestin signaling. BRET has been especially adept at illuminating the dynamics of protein-protein interactions between receptors, G proteins, β-arrestins, and their many binding partners in living cells; as well as measuring the formation and accumulation of second messengers following receptor activation. Specifically, we discuss in detail the application of BRET to study dopamine and trace amine receptors signaling, presenting examples of an exchange protein activated by cAMP biosensor to measure cAMP, β-arrestin biosensors to determine β-arrestin recruitment to the receptor, and dopamine D2 receptor and trace amine-associated receptor 1 biosensors to investigate heterodimerization between them. As the biochemical spectrum of BRET biosensors expands, the number of signaling pathways that can be measured will concomitantly increase. This will be particularly useful for the evaluation of functional selectivity in which the real-time BRET capability to measure distinct signaling modalities will dramatically shorten the time to characterize new generation of biased drugs. These emerging approaches will further expand the growing application of BRET in the screening for novel pharmacologically active compounds.
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 | 0,003 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,001 |
| Méta-épidémiologie (sens large) | 0,002 | 0,001 |
| Bibliométrie | 0,002 | 0,002 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,002 | 0,003 |
| Science ouverte | 0,002 | 0,002 |
| Intégrité de la recherche | 0,004 | 0,006 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,005 | 0,005 |
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 ».