“Inverse Drug Discovery” Strategy To Identify Proteins That Are Targeted by Latent Electrophiles As Exemplified by Aryl Fluorosulfates
Notice bibliographique
Résumé
Drug candidates are generally discovered using biochemical screens employing an isolated target protein or by utilizing cell-based phenotypic assays. Both noncovalent and covalent hits emerge from such endeavors. Herein, we exemplify an "Inverse Drug Discovery" strategy in which organic compounds of intermediate complexity harboring weak, but activatable, electrophiles are matched with the protein(s) they react with in cells or cell lysate. An alkyne substructure in each candidate small molecule enables affinity chromatography-mass spectrometry, which produces a list of proteins that each distinct compound reacts with. A notable feature of this approach is that it is agnostic with respect to the cellular proteins targeted. To illustrate this strategy, we employed aryl fluorosulfates, an underexplored class of sulfur(VI) halides, that are generally unreactive unless activated by protein binding. Reversible aryl fluorosulfate binding, correct juxtaposition of protein side chain functional groups, and transition-state stabilization of the S(VI) exchange reaction all seem to be critical for conjugate formation. The aryl fluorosulfates studied thus far exhibit chemoselective reactivity toward Lys and, particularly, Tyr side chains, and can be used to target nonenzymes (e.g., a hormone carrier or a small-molecule carrier protein) as well as enzymes. The "Inverse Drug Discovery" strategy should be particularly attractive as a means to explore latent electrophiles not typically used in medicinal chemistry efforts, until one reacts with a protein target of exceptional interest. Structure-activity data can then be used to enhance the selectivity of conjugate formation or the covalent probe can be used as a competitor to develop noncovalent drug candidates. Here we use the "Inverse Drug Discovery" platform to identify and validate covalent ligands for 11 different human proteins. In the case of one of these proteins, we have identified and validated a small-molecule probe for the first time.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 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 ».