MétaCan
Menu
Retour à la cohorte
Enregistrement W1986740601 · doi:10.2174/156802609789207109

Steroid Hormone Binding Receptors: Application of Homology Modeling, Induced Fit Docking, and Molecular Dynamics to Study Structure- Function Relationships

2009· review· en· W1986740601 sur OpenAlexfundno aff
Wendy D. Cornell, Kiyean Nam

Notice bibliographique

RevueCurrent Topics in Medicinal Chemistry · 2009
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueEstrogen and related hormone effects
Établissements canadiensnon disponible
Organismes subventionnairesMcMaster University
Mots-clésDocking (animal)Homology modelingComputational biologyReceptorNuclear receptorTranscription factorSteroid hormoneBinding siteHomology (biology)SteroidGeneChemistryBiologyLigand (biochemistry)HormoneBiochemistryMedicineEnzyme

Résumé

récupéré en direct d'OpenAlex

Steroid nuclear hormone binding receptors (SHRs) are ligand activated transcription factors involved in the regulation of target genes associated with key physiological and developmental processes. As such they are important targets for drug discovery. Crystal structures are now available for all members of the SHR family, however, earlier studies carried out using homology models proved to be quite valuable for understanding the binding of natural ligands and for designing novel therapeutic agents. The maleability of the binding pocket means that the crystal structure of an SHR in complex with one ligand may not suffice to explain the binding interactions of that same target with a different ligand. Consequently, induced fit docking and molecular dynamics are shown to be useful and necessary tools for understanding these receptors.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Autre devis · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,963
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

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 savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
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 Opus0,036
Tête enseignante GPT0,335
Écart entre enseignants0,299 · 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.

Devis d'étudeAutre devis
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations15
Publié2009
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Topics in Medicinal ChemistryMême sujetEstrogen and related hormone effectsTravaux en français237 207