MétaCan
Menu
Retour à la cohorte
Enregistrement W2331294555 · doi:10.1021/acs.jmedchem.5b01772

Discovery of a Potent Class I Protein Arginine Methyltransferase Fragment Inhibitor

2016· article· en· W2331294555 sur OpenAlexafffund
Renato Ferreira de Freitas, Mohammad S. Eram, Magdalena M. Szewczyk, H. Steuber, David Smil, Hong Wu, Fengling Li, Guillermo Senisterra, Aiping Dong, Peter J. Brown, Marion Hitchcock, Dieter Moosmayer, Christian M. Stegmann, Ursula Egner, C.H. Arrowsmith, Dalia Baršytė-Lovejoy, Masoud Vedadi, Matthieu Schapira

Notice bibliographique

RevueJournal of Medicinal Chemistry · 2016
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCancer-related gene regulation
Établissements canadiensPrincess Margaret Cancer CentreStructural Genomics ConsortiumUniversity of Toronto
Organismes subventionnairesStructural Genomics ConsortiumWellcome TrustWellcome
Mots-clésMethyltransferaseChemistryMethylationArginineProtein arginine methyltransferase 5BiochemistrySmall moleculeEnzymeLigand (biochemistry)Drug discoveryComputational biologyAmino acidBiologyReceptorDNA

Résumé

récupéré en direct d'OpenAlex

Protein methyltransferases (PMTs) are a promising target class in oncology and other disease areas. They are composed of SET domain methyltransferases and structurally unrelated Rossman-fold enzymes that include protein arginine methyltransferases (PRMTs). In the absence of a well-defined medicinal chemistry tool-kit focused on PMTs, most current inhibitors were identified by screening large and diverse libraries of leadlike molecules. So far, no successful fragment-based approach was reported against this target class. Here, by deconstructing potent PRMT inhibitors, we find that chemical moieties occupying the substrate arginine-binding site can act as efficient fragment inhibitors. Screening a fragment library against PRMT6 produced numerous hits, including a 300 nM inhibitor (ligand efficiency of 0.56) that decreased global histone 3 arginine 2 methylation in cells, and can serve as a warhead for the development of PRMT chemical probes.

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 seuil0,379

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 Opus0,005
Tête enseignante GPT0,229
Écart entre enseignants0,224 · 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

Citations35
Publié2016
Routes d'admission2
Résumé présentoui

Explorer davantage

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