A High Throughput Scintillation Proximity Imaging Assay for Protein Methyltransferases
Notice bibliographique
Résumé
Protein methyltransferases (PMTs) orchestrate epigenetic modifications through post-translational methylation of various protein substrates including histones. Since dysregulation of this process is widely implicated in many cancers, it is of pertinent interest to screen inhibitors of PMTs, as they offer novel target-based opportunities to discover small molecules with potential chemotherapeutic use. We have thus developed an enzymatic screening strategy, which can be adapted to scintillation proximity imaging assay (SPIA) format, to identify these inhibitors. We took advantage of S-adenosyl-L-[3H-methyl]-methionine availability and monitored the enzymatically catalyzed [3H]-methyl addition on lysine residues of biotinylated peptide substrates. The radiolabeled peptides were subsequently captured by streptavidin coated SPA imaging PS beads. We applied this strategy to four PMTs: SET7/9, SET8, SETD2, and EuHMTase1, and optimized assay conditions to achieve Z' values ranging from 0.48 to 0.91. The robust performance of this SPIA for the four PMTs was validated in a pilot screen of approximately 7,000 compounds. We identified 80 cumulative hits across the four targets. NF279, a suramin analogue, was found to specifically inhibit SET7/9 and SETD2 with IC50 values of 1.9 and 1.1 μM, respectively. Another identified compound, Merbromin, a topical antiseptic, was classified as a pan-active inhibitor of the four PMTs. These findings demonstrate that our proposed SPIA strategy is generic for multiple PMTs and can be successfully implemented to identify novel and specific inhibitors of PMTs. The specific PMT inhibitors may constitute a new class of anti-proliferative agents for potential therapeutic use.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| 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 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 ».