Preparation of 16β-Estradiol Derivative Libraries as Bisubstrate Inhibitors of 17β-Hydroxysteroid Dehydrogenase Type 1 Using the Multidetachable Sulfamate Linker
Notice bibliographique
Résumé
Combinatorial chemistry is a powerful tool used to rapidly generate a large number of potentially biologically active compounds. In our goal to develop bisubstrate inhibitors of 17beta-hydroxysteroid dehydrogenase type 1 (17beta-HSD1) that interact with both the substrate (estrone or estradiol) and the cofactor (NAD(P)H) binding sites, we used parallel solid-phase synthesis to prepare three libraries of 16beta-estradiol derivatives with two or three levels of molecular diversity. From estrone, we first synthesized a sulfamate precursor that we loaded on trityl chloride resin using the efficient multidetachable sulfamate linker strategy recently developed in our laboratory. We then introduced molecular diversity [one or two amino acid(s) followed by a carboxylic acid] on steroid nucleus by Fmoc peptide chemistry. Finally, after a nucleophilic cleavage, libraries of 30, 63 and 25 estradiol derivatives were provided. A library of 30 sulfamoylated estradiol derivatives was also generated by acidic cleavage and its members were screened for inhibition of steroid sulfatase. Biological evaluation on homogenated HEK-293 cells overexpressing 17beta-HSD1 of the estradiol derivatives carrying different oligoamide-type chains at C-16 first revealed that three levels of molecular diversity (a spacer of two amino acids) were necessary to interact with the adenosine part of the cofactor binding site. Second, the best inhibition was obtained when hydrophobic residues (phenylalanine) were used as building blocks.
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 | 0,000 | 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 | 0,000 |
| 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 ».