MétaCan
Menu
Retour à la cohorte
Enregistrement W1984915537 · doi:10.1021/ml200147a

Exploiting the P-1 Pocket of BRCT Domains Toward a Structure Guided Inhibitor Design

2011· article· en· W1984915537 sur OpenAlexaff
Ziyan Yuan, Eric A. Kumar, Stephen J. Campbell, Nicholas Y. Palermo, Smitha Kizhake, J. N. Mark Glover, Amarnath Natarajan

Notice bibliographique

RevueACS Medicinal Chemistry Letters · 2011
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Alberta
Organismes subventionnairesNational Cancer Institute
Mots-clésProtein–protein interactionPeptideDNA repairComputational biologyDNAPhosphorylationProtein structureChemistryCell biologyBiologyBiochemistry

Résumé

récupéré en direct d'OpenAlex

Breast cancer gene 1 carboxy terminus (BRCT) domains are found in a number of proteins that are important for DNA damage response (DDR). The BRCT domains bind phosphorylated proteins and these protein-protein interactions are essential for DDR and DNA repair. High affinity domain specific inhibitors are needed to facilitate the dissection of the protein-protein interactions in the DDR signaling. The BRCT domains of BRCA1 bind phosphorylated protein through a pSXXF consensus recognition motif. We identified a hydrophobic pocket at the P-1 position of the pSXXF binding site. Here we conducted a structure-guided synthesis of peptide analogs with hydrophobic functional groups at the P-1 position. Evaluation of these led to the identification of a peptide mimic 15 with a inhibitory constant (K(i)) of 40 nM for BRCT(BRCA1). Analysis of the TopBP1 and MDC1 BRCT domains suggests a similar approach is viable to design high affinity inhibitors.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,340
Score d'incertitude au seuil0,618

Scores Codex et Gemma par catégorie

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

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 Opus0,067
Tête enseignante GPT0,278
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
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

Citations22
Publié2011
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Medicinal Chemistry LettersMême sujetComputational Drug Discovery MethodsTravaux en français237 207