Emerging Concepts of Guanine Nucleotide-Binding Protein-Coupled Receptor (GPCR) Function and Implications for High Throughput Screening
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Guanine nucleotide binding protein (G protein) coupled receptors (GPCRs) comprise one of the largest families of proteins in the human genome and are a target for 40% of all approved drugs. GPCRs have unique structural motifs that allow them to interact with a wide and diverse series of extracellular ligands, as well as intracellular proteins, G proteins, receptor activity-modifying proteins, arrestins, and indeed other receptors. This distinctive structure has led to numerous efforts to discover drugs against GPCRs with targeted therapeutic uses. Such "designer" drugs currently include allosteric regulators, inverse agonists, and drugs targeting hetero-oligomeric complexes. Moreover, the large family of orphan GPCRs provides a rich and novel field of targets to discover drugs with unique therapeutic properties. The numerous technologies to discover GPCR drugs have also greatly advanced over the years, facilitating compound screening against known and orphan GPCRs, as well as in the identification of unique designer GPCR drugs. Indeed, high throughput screening (HTS) technologies employing functional cell-based approaches are now widely used. These include measurement of second messenger accumulation such as cyclic AMP, calcium ions, and inositol phosphates, as well as mitogen-activated protein kinase activation, protein-protein interactions, and GPCR oligomerization. This review focuses on how the improved understanding of the molecular pharmacology of GPCRs, coupled with a plethora of novel HTS technologies, is leading to the discovery and development of an entirely new generation of GPCR-based therapeutics.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
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 découle