MétaCan
Menu
Retour à la cohorte
Enregistrement W2012799867 · doi:10.1073/pnas.1402393111

In vivo modulation of hypoxia-inducible signaling by topographical helix mimetics

2014· article· en· W2012799867 sur OpenAlexfundno aff
Brooke Bullock Lao, Ivan Grishagin, Hanah Mesallati, Thomas F. Brewer, Bogdan Olenyuk, Paramjit S. Arora

Notice bibliographique

RevueProceedings of the National Academy of Sciences · 2014
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer, Hypoxia, and Metabolism
Établissements canadiensnon disponible
Organismes subventionnairesDivision of ChemistryNational Cancer InstituteSchool of Medicine, New York UniversityYork UniversityNational Science Foundation
Mots-clésTranscription factorProtein–protein interactionCell biologyCoactivatorCREB-binding proteinDrug discoveryCREBIn vivoSmall moleculeBiologyHypoxia-Inducible Factor 1Computational biologyChemistryBiochemistryGeneGenetics

Résumé

récupéré en direct d'OpenAlex

Development of small-molecule inhibitors of protein-protein interactions is a fundamental challenge at the interface of chemistry and cancer biology. Successful methods for design of protein-protein interaction inhibitors include computational and experimental high-throughput and fragment-based screening strategies to locate small-molecule fragments that bind protein surfaces. An alternative rational design approach seeks to mimic the orientation and disposition of critical binding residues at protein interfaces. We describe the design, synthesis, biochemical, and in vivo evaluation of a small-molecule scaffold that captures the topography of α-helices. We designed mimics of a key α-helical domain at the interface of hypoxia-inducible factor 1α and p300 to develop inhibitors of hypoxia-inducible signaling. The hypoxia-inducible factor/p300 interaction regulates the transcription of key genes, whose expression contributes to angiogenesis, metastasis, and altered energy metabolism in cancer. The designed compounds target the desired protein with high affinity and in a predetermined manner, with the optimal ligand providing effective reduction of tumor burden in experimental animal models.

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 enseignants0,019
Score d'incertitude au seuil0,192

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 ouverte0,0000,000
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 Opus0,019
Tête enseignante GPT0,280
Écart entre enseignants0,260 · 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

Citations112
Publié2014
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueProceedings of the National Academy of SciencesMême sujetCancer, Hypoxia, and MetabolismTravaux en français237 207