Off-Target Effects of Psychoactive Drugs Revealed by Genome-Wide Assays in Yeast
Notice bibliographique
Résumé
To better understand off-target effects of widely prescribed psychoactive drugs, we performed a comprehensive series of chemogenomic screens using the budding yeast Saccharomyces cerevisiae as a model system. Because the known human targets of these drugs do not exist in yeast, we could employ the yeast gene deletion collections and parallel fitness profiling to explore potential off-target effects in a genome-wide manner. Among 214 tested, documented psychoactive drugs, we identified 81 compounds that inhibited wild-type yeast growth and were thus selected for genome-wide fitness profiling. Many of these drugs had a propensity to affect multiple cellular functions. The sensitivity profiles of half of the analyzed drugs were enriched for core cellular processes such as secretion, protein folding, RNA processing, and chromatin structure. Interestingly, fluoxetine (Prozac) interfered with establishment of cell polarity, cyproheptadine (Periactin) targeted essential genes with chromatin-remodeling roles, while paroxetine (Paxil) interfered with essential RNA metabolism genes, suggesting potential secondary drug targets. We also found that the more recently developed atypical antipsychotic clozapine (Clozaril) had no fewer off-target effects in yeast than the typical antipsychotics haloperidol (Haldol) and pimozide (Orap). Our results suggest that model organism pharmacogenetic studies provide a rational foundation for understanding the off-target effects of clinically important psychoactive agents and suggest a rational means both for devising compound derivatives with fewer side effects and for tailoring drug treatment to individual patient genotypes.
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 ».