MétaCan
Menu
Retour à la cohorte
Enregistrement W2414204484 · doi:10.1038/srep13730

Methylene Blue Inhibits Caspases by Oxidation of the Catalytic Cysteine

2015· article· en· W2414204484 sur OpenAlexafffund
Prateep Pakavathkumar, Gyanesh Sharma, Vikas Kaushal, Bénédicte Foveau, Andréa C. LeBlanc

Notice bibliographique

RevueScientific Reports · 2015
Typearticle
Langueen
DomaineNursing
ThématiqueTrace Elements in Health
Établissements canadiensMcGill UniversityJewish General Hospital
Organismes subventionnairesCanadian Institutes of Health ResearchJournal of Gastroenterology and Hepatology FoundationAlzheimer SocietyMcGill University
Mots-clésMethylene blueCysteineCaspaseRecombinant DNAChemistryApoptosisBiochemistryTransfectionMolecular biologyBiologyProgrammed cell deathEnzymeCatalysis

Résumé

récupéré en direct d'OpenAlex

Methylene blue, currently in phase 3 clinical trials against Alzheimer Disease, disaggregates the Tau protein of neurofibrillary tangles by oxidizing specific cysteine residues. Here, we investigated if methylene blue can inhibit caspases via the oxidation of their active site cysteine. Methylene blue, and derivatives, azure A and azure B competitively inhibited recombinant Caspase-6 (Casp6), and inhibited Casp6 activity in transfected human colon carcinoma cells and in serum-deprived primary human neuron cultures. Methylene blue also inhibited recombinant Casp1 and Casp3. Furthermore, methylene blue inhibited Casp3 activity in an acute mouse model of liver toxicity. Mass spectrometry confirmed methylene blue and azure B oxidation of the catalytic Cys163 cysteine of Casp6. Together, these results show a novel inhibitory mechanism of caspases via sulfenation of the active site cysteine. These results indicate that methylene blue or its derivatives could (1) have an additional effect against Alzheimer Disease by inhibiting brain caspase activity, (2) be used as a drug to prevent caspase activation in other conditions, and (3) predispose chronically treated individuals to cancer via the inhibition of caspases.

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)0,003
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,270
Score d'incertitude au seuil0,362

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
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 Opus0,031
Tête enseignante GPT0,299
Écart entre enseignants0,268 · 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

Citations38
Publié2015
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetTrace Elements in HealthTravaux en français237 207