“Inject-Mix-React-Separate-and-Quantitate” (IMReSQ) Method for Screening Enzyme 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
Many regulatory enzymes are considered attractive therapeutic targets, and their inhibitors are potential drug candidates. Screening combinatorial libraries for enzyme inhibitors is pivotal to identifying hit compounds for the development of drugs targeting regulatory enzymes. Here, we introduce the first inhibitor screening method that consumes only nanoliters of the reactant solutions and is applicable to regulatory enzymes. The method is termed inject-mix-react-separate-and-quantitate (IMReSQ) and includes five steps. First, nanoliter volumes of substrate, candidate inhibitor, and enzyme solutions are injected by pressure into a capillary as separate plugs. Second, the plugs are mixed inside this capillary microreactor by transverse diffusion of laminar flow profiles. Third, the reaction mixture is incubated to form the enzymatic product. Fourth, the product is separated from the substrate inside the capillary by electrophoresis. Fifth, the amounts of the product and substrate are quantitated. In this proof-of-principle work, we applied IMReSQ to study inhibition of recently cloned protein farnesyltransferase from parasite Entamoeba histolytica. This enzyme is a potential therapeutic target for antiparasitic drugs. We identified three previously unknown inhibitors of this enzyme and proved that IMReSQ could be used for quantitatively ranking the potencies of inhibitors.
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 | 0,001 | 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