Simplified assays of lipolysis enzymes for drug discovery and specificity assessment of known inhibitors
Notice bibliographique
Résumé
Lipids are used as cellular building blocks and condensed energy stores and also act as signaling molecules. The glycerolipid/ fatty acid cycle, encompassing lipolysis and lipogenesis, generates many lipid signals. Reliable procedures are not available for measuring activities of several lipolytic enzymes for the purposes of drug screening, and this resulted in questionable selectivity of various known lipase inhibitors. We now describe simple assays for lipolytic enzymes, including adipose triglyceride lipase (ATGL), hormone sensitive lipase (HSL), sn-1-diacylglycerol lipase (DAGL), monoacylglycerol lipase, α/β-hydrolase domain 6, and carboxylesterase 1 (CES1) using recombinant human and mouse enzymes either in cell extracts or using purified enzymes. We observed that many of the reported inhibitors lack specificity. Thus, Cay10499 (HSL inhibitor) and RHC20867 (DAGL inhibitor) also inhibit other lipases. Marked differences in the inhibitor sensitivities of human ATGL and HSL compared with the corresponding mouse enzymes was noticed. Thus, ATGListatin inhibited mouse ATGL but not human ATGL, and the HSL inhibitors WWL11 and Compound 13f were effective against mouse enzyme but much less potent against human enzyme. Many of these lipase inhibitors also inhibited human CES1. Results describe reliable assays for measuring lipase activities that are amenable for drug screening and also caution about the specificity of the many earlier described lipase inhibitors.
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 | 0,003 | 0,001 |
| 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 ».