The G protein-coupled receptors: Pharmacogenetics and Disease
Notice bibliographique
Résumé
Genetic variation in G-protein coupled receptors (GPCRs) is associated with a wide spectrum of disease phenotypes and predispositions that are of special significance because they are the targets of therapeutic agents. Each variant provides an opportunity to understand receptor function that complements a plethora of available in vitro data elucidating the pharmacology of the GPCRs. For example, discrete portions of the proximal tail of the dopamine D1 receptor have been discovered, in vitro, that may be involved in desensitization, recycling and trafficking. Similar in vitro strategies have been used to elucidate naturally occurring GPCR mutations. Inactive, over-active or constitutively active receptors have been identified by changes in ligand binding, G-protein coupling, receptor desensitization and receptor recycling. Selected examples reviewed include those disorders resulting from mutations in rhodopsin, thyrotropin, luteinizing hormone, vasopressin and angiotensin receptors. By comparison, the recurrent pharmacogenetic variants are more likely to result in an altered predisposition to complex disease in the population. These common variants may affect receptor sequence without intrinsic phenotype change or spontaneous induction of disease and yet result in significant alteration in drug efficacy. These pharmacogenetic phenomena will be reviewed with respect to a limited sampling of GPCR systems including the orexin/hypocretin system, the beta2 adrenergic receptors, the cysteinyl leukotriene receptors and the calcium-sensing receptor. These developments will be discussed with respect to strategies for drug discovery that take into account the potential for the development of drugs targeted at mutated and wild-type proteins.
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 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 | 0,008 | 0,017 |
| 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 | 0,002 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».