MétaCan
Menu
Retour à la cohorte
Enregistrement W2411303485 · doi:10.1021/cb5009487

Colloidal Aggregation and the <i>in Vitro</i> Activity of Traditional Chinese Medicines

2015· article· en· W2411303485 sur OpenAlexaff
Da Duan, Allison K. Doak, L. Nedyalkova, Brian K. Shoichet

Notice bibliographique

RevueACS Chemical Biology · 2015
Typearticle
Langueen
DomaineMedicine
ThématiqueTraditional Chinese Medicine Analysis
Établissements canadiensUniversity of Toronto
Organismes subventionnairesNational Institute of General Medical SciencesNational Institutes of Health
Mots-clésIn vitroChemistrySmall moleculeBiochemistryEnzymeMalate dehydrogenaseIC50PharmacologyBiology

Résumé

récupéré en direct d'OpenAlex

Traditional Chinese Medicines (TCMs) have been the sole source of therapeutics in China for two millennia. In recent drug discovery efforts, purified components of TCM formulations have shown activity in many in vitro assays, raising concerns of promiscuity. Here, we investigated 14 bioactive small molecules isolated from TCMs for colloidal aggregation. At concentrations commonly used in cell-based or biochemical assay conditions, eight of these compounds formed particles detectable by dynamic light scattering and showed detergent-reversible inhibition against β-lactamase and malate dehydrogenase, two counter-screening enzymes. When three of these compounds were tested against their literature-reported molecular targets, they showed similar reversal of their inhibitory activity in the presence of detergent. For three of the most potent aggregators, contributions to promiscuity via oxidative cycling were investigated; addition of 1 mM DTT had no effect on their activity, which is inconsistent with an oxidative mechanism. TCMs are often active at micromolar concentrations; this study suggests that care must be taken to control for artifactual activity when seeking their primary targets. Implications for the formulation of these molecules are considered.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Observationnel · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
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)0,0010,000

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 Opus0,024
Tête enseignante GPT0,278
Écart entre enseignants0,254 · 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'étudeObservationnel
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

Citations71
Publié2015
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueACS Chemical BiologyMême sujetTraditional Chinese Medicine AnalysisTravaux en français237 207