Factors influencing readthrough therapy for frequent cystic fibrosis premature termination codons
Notice bibliographique
Résumé
Premature termination codons (PTCs) are generally associated with severe forms of genetic diseases. Readthrough of in-frame PTCs using small molecules is a promising therapeutic approach. Nonetheless, the outcome of preclinical studies has been low and variable. Treatment efficacy depends on: 1) the level of drug-induced readthrough, 2) the amount of target transcripts, and 3) the activity of the recoded protein. The aim of the present study was to identify, in the cystic fibrosis transmembrane conductance regulator (CFTR) model, recoded channels from readthrough therapy that may be enhanced using CFTR modulators. First, drug-induced readthrough of 15 PTCs was measured using a dual reporter system under basal conditions and in response to gentamicin and negamycin. Secondly, exon skipping associated with these PTCs was evaluated with a minigene system. Finally, incorporated amino acids were identified by mass spectrometry and the function of the predicted recoded CFTR channels corresponding to these 15 PTCs was measured. Nonfunctional channels were subjected to CFTR-directed ivacaftor-lumacaftor treatments. The results demonstrated that CFTR modulators increased activity of recoded channels, which could also be confirmed in cells derived from a patient. In conclusion, this work will provide a framework to adapt treatments to the patient's genotype by identifying the most efficient molecule for each PTC and the recoded channels needing co-therapies to rescue channel function.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».