<i>In silico</i>investigation of PARP-1 catalytic domains in<i>holo</i>and<i>apo</i>states for the design of high-affinity PARP-1 inhibitors
Notice bibliographique
Résumé
The rational design of high-affinity inhibitors of poly-ADP-ribose polymerase-1 (PARP-1) is at the heart of modern anti-cancer drug design. While relevance of enzyme to DNA repair processes in cellular environment is firmly established, the structural and functional understanding of the main determinants for high-affinity ligands controlling PARP-1 activity is still lacking. The conserved active site of PARP-1 represents an ideal target for inhibitors and may offer a novel target at the treatment of breast cancer. To fill the gap in the structural knowledge, we report on the combination of molecular dynamics (MD) simulations, principal component analysis (PCA), and conformational analysis that analyzes in great details novel binding mode for a number of inhibitors at the PARP-1. While optimization of the binding affinity for original target is an important goal in the drug design, many of the promising molecules for treatment of the breast cancer are plagued by significant cardiotoxicity. One of the most common side-effects reported for a number of polymerase inhibitors is its off-target interactions with cardiac ion channels and hERG1 channel, in particular. Thus, selected candidate PARP-1 inhibitors were also screened in silico at the central cavities of hERG1 potassium ion channel.
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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 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 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».