Docking Ligands into Flexible and Solvated Macromolecules. 6. Development and Application to the Docking of HDACs and other Zinc Metalloenzymes Inhibitors
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
Metalloenzymes are ubiquitous proteins which feature one or more metal ions either directly involved in the enzymatic activity and/or structural properties (i.e., zinc fingers). Several members of this class take advantage of the Lewis acidic properties of zinc ions to carry out their various catalytic transformations including isomerization or amide cleavage. These enzymes have been validated as drug targets for a number of diseases including cancer; however, despite their pharmaceutical relevance and the availability of crystal structures, structure-based drug design methods have been poorly and indirectly parametrized for these classes of enzymes. More specifically, the metal coordination component and proton transfers of the process of drugs binding to metalloenzymes have been inadequately modeled by current docking programs, if at all. In addition, several known issues, such as coordination geometry, atomic charge variability, and a potential proton transfer from small molecules to a neighboring basic residue, have often been ignored. We report herein the development of specific functions and parameters to account for zinc-drug coordination focusing on the above-listed phenomena and their impact on docking to zinc metalloenzymes. These atom-type-dependent but atomic charge-independent functions implemented into Fitted 3.1 enable the simulation of drug binding to metalloenzymes, considering an acid-base reaction with a neighboring residue when necessary with good accuracy.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 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 | 0,000 | 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