Target Identification by Chromatographic Co-elution: Monitoring of Drug-Protein Interactions without Immobilization or Chemical Derivatization
Notice bibliographique
Résumé
Bioactive molecules typically mediate their biological effects through direct physical association with one or more cellular proteins. The detection of drug-target interactions is therefore essential for the characterization of compound mechanism of action and off-target effects, but generic label-free approaches for detecting binding events in biological mixtures have remained elusive. Here, we report a method termed target identification by chromatographic co-elution (TICC) for routinely monitoring the interaction of drugs with cellular proteins under nearly physiological conditions in vitro based on simple liquid chromatographic separations of cell-free lysates. Correlative proteomic analysis of drug-bound protein fractions by shotgun sequencing is then performed to identify candidate target(s). The method is highly reproducible, does not require immobilization or derivatization of drug or protein, and is applicable to diverse natural products and synthetic compounds. The capability of TICC to detect known drug-protein target physical interactions (K(d) range: micromolar to nanomolar) is demonstrated both qualitatively and quantitatively. We subsequently used TICC to uncover the sterol biosynthetic enzyme Erg6p as a novel putative anti-fungal target. Furthermore, TICC identified Asc1 and Dak1, a core 40 S ribosomal protein that represses gene expression, and dihydroxyacetone kinase involved in stress adaptation, respectively, as novel yeast targets of a dopamine receptor agonist.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,002 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,002 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,002 |
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 ».