Peptide Array on Cellulose Support—A Screening Tool to Identify Peptides with Dipeptidyl-Peptidase IV Inhibitory Activity within the Sequence of α-Lactalbumin
Notice bibliographique
Résumé
The inhibition of the enzyme dipeptidyl-peptidase IV (DPP-IV) is an effective pharmacotherapeutic approach for the management of type 2 diabetes. Recent findings have suggested that dietary proteins, including bovine α-lactalbumin, could be precursors of peptides able to inhibit DPP-IV. However, information on the location of active peptide sequences within the proteins is far from being comprehensive. Moreover, the traditional approach to identify bioactive peptides from foods can be tedious and long. Therefore, the objective of this study was to use peptide arrays to screen α-lactalbumin-derived peptides for their interaction with DPP-IV. Deca-peptides spanning the entire α-lactalbumin sequence, with a frame shift of 1 amino acid between successive sequences, were synthesized on cellulose membranes using "SPOT" technology, and their binding to and inhibition of DPP-IV was studied. Among the 114 α-lactalbumin-derived decamers investigated, the peptides 60WCKDDQNPHS69 (αK(i) = 76 µM), 105LAHKALCSEK114 (K(i) = 217 µM) and 110LCSEKLDQWL119 (K(i) = 217 µM) were among the strongest DPP-IV inhibitors. While the SPOT- and traditionally-synthesized peptides showed consistent trends in DPP-IV inhibitory activity, the cellulose-bound peptides' binding behavior was not correlated to their ability to inhibit the enzyme. This research showed, for the first time, that peptide arrays are useful screening tools to identify DPP-IV inhibitory peptides from dietary 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 | 0,002 | 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 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 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 ».