MétaCan
Menu
Retour à la cohorte
Enregistrement W2227822952 · doi:10.1021/acschembio.5b00806

Stable Colloidal Drug Aggregates Catch and Release Active Enzymes

2016· article· en· W2227822952 sur OpenAlexafffund
Christopher K. McLaughlin, Da Duan, Ahil N. Ganesh, Hayarpi Torosyan, Brian K. Shoichet, Molly S. Shoichet

Notice bibliographique

RevueACS Chemical Biology · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein purification and stability
Établissements canadiensUniversity of Toronto
Organismes subventionnairesCanadian Cancer Society Research InstituteUniversity of TorontoNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaGovernment of Canada
Mots-clésColloidChemistryIonic strengthTrypsinEnzymeParticle (ecology)AdsorptionChemical engineeringParticle sizeChromatographyBiophysicsBiochemistryOrganic chemistryBiology

Résumé

récupéré en direct d'OpenAlex

Small molecule aggregates are considered nuisance compounds in drug discovery, but their unusual properties as colloids could be exploited to form stable vehicles to preserve protein activity. We investigated the coaggregation of seven molecules chosen because they had been previously intensely studied as colloidal aggregators, coformulating them with bis-azo dyes. The coformulation reduced colloid sizes to <100 nm and improved uniformity of the particle size distribution. The new colloid formulations are more stable than previous aggregator particles. Specifically, coaggregation of Congo Red with sorafenib, tetraiodophenolphthalein (TIPT), or vemurafenib produced particles that are stable in solutions of high ionic strength and high protein concentrations. Like traditional, single compound colloidal aggregates, the stabilized colloids adsorbed and inhibited enzymes like β-lactamase, malate dehydrogenase, and trypsin. Unlike traditional aggregates, the coformulated colloid-protein particles could be centrifuged and resuspended multiple times, and from resuspended particles, active trypsin could be released up to 72 h after adsorption. Unexpectedly, the stable colloidal formulations can sequester, stabilize, and isolate enzymes by spin-down, resuspension, and release.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

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 savante0,0010,000
Science ouverte0,0000,000
Intégrité de la recherche0,0010,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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 GPT0,236
Écart entre enseignants0,230 · 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 source (Gemma direct ou Codex distillé), 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

Citations50
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueACS Chemical BiologyMême sujetProtein purification and stabilityTravaux en français237 207