P2‐044: The Development of High Throughput Screening Strategies to Identify Anti‐Proteopathic and Anti‐Immunopathic Agents for The Treatment of Alzheimer's Dementia
Notice bibliographique
Résumé
Although there is a need for new therapeutics, high throughput screening to identify such compounds is costly and time demanding. There is a need to identify and implement new techniques to permit in silico high throughput screening. Multiple in silico libraries have been developed and employed to identify compounds as putative therapeutics for Alzheimer's disease (AD). Four in silico libraries were put in place: 1. library of synthetic organic molecules (11.8 million); 2. library of plant-based natural products (2,000 entries); 3. library of known drug molecules (1,800 entries); and 4. library of small molecules endogenous to the human brain (1,200 entries). The ability of these compounds to bind to either the EVHHQK or LVFF motifs within beta-amyloid was assessed using an empirical force field energy minimization strategy. A select group of compounds identified in this screen were subsequently evaluated using in vitro assays, in order to validate the in silico screen. Within all four libraries, multiple hits capable of establishing energetically favourable interactions with either or both of the EVHHQK and LVFF motifs were identified. For example, within the plant-based natural product library screen, multiple polyphenols from apple peel and multiple phenylpropanoid plant metabolites (e.g. ferulic acid) were identified; within the known drug library screen, agents such as mefanamic acid were identified. A systemic in silico high throughput screening method for evaluating millions of compounds for their capacity to interact with varying “faces” of beta-amyloid has been developed and implemented.
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 enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 source (Gemma direct ou Codex distillé), 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 ».