MétaCan
Menu
Retour à la cohorte
Enregistrement W2087405573 · doi:10.1021/jm3018332

Exploiting an Allosteric Binding Site of PRMT3 Yields Potent and Selective Inhibitors

2013· article· en· W2087405573 sur OpenAlexafffund
Feng Liu, Fengling Li, Anqi Ma, E. Dobrovetsky, Aiping Dong, Cen Gao, Ilia Korboukh, Jing Liu, David Smil, Peter J. Brown, Stephen V. Frye, C.H. Arrowsmith, Matthieu Schapira, Masoud Vedadi, Jian Jin

Notice bibliographique

RevueJournal of Medicinal Chemistry · 2013
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related gene regulation
Établissements canadiensStructural Genomics ConsortiumUniversity of Toronto
Organismes subventionnairesNational Institute of Mental HealthCanadian Institutes of Health ResearchNational Institute of General Medical SciencesWellcome Trust
Mots-clésChemistryAllosteric regulationBinding siteStructure–activity relationshipStereochemistryPharmacologyBiochemistryEnzymeIn vitro

Résumé

récupéré en direct d'OpenAlex

Protein arginine methyltransferases (PRMTs) play an important role in diverse biological processes. Among the nine known human PRMTs, PRMT3 has been implicated in ribosomal biosynthesis via asymmetric dimethylation of the 40S ribosomal protein S2 and in cancer via interaction with the DAL-1 tumor suppressor protein. However, few selective inhibitors of PRMTs have been discovered. We recently disclosed the first selective PRMT3 inhibitor, which occupies a novel allosteric binding site and is noncompetitive with both the peptide substrate and cofactor. Here we report comprehensive structure-activity relationship studies of this series, which resulted in the discovery of multiple PRMT3 inhibitors with submicromolar potencies. An X-ray crystal structure of compound 14u in complex with PRMT3 confirmed that this inhibitor occupied the same allosteric binding site as our initial lead compound. These studies provide the first experimental evidence that potent and selective inhibitors can be created by exploiting the allosteric binding site of PRMT3.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,007
Score d'incertitude au seuil0,388

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,007
Tête enseignante GPT0,230
Écart entre enseignants0,223 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations72
Publié2013
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medicinal ChemistryMême sujetCancer-related gene regulationTravaux en français237 207