Repurposing a Histamine Detection Platform for High-Throughput Screening of Histidine Decarboxylase
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Histidine decarboxylase (HDC) is the primary enzyme that catalyzes the conversion of histidine to histamine. HDC contributes to many physiological responses as histamine plays important roles in allergic reaction, neurological response, gastric acid secretion, and cell proliferation and differentiation. Small-molecule modulation of HDC represents a potential therapeutic strategy for a range of histamine-associated diseases, including inflammatory disease, neurological disorders, gastric ulcers, and select cancers. High-throughput screening (HTS) methods for measuring HDC activity are currently limited. Here, we report the development of a time-resolved fluorescence resonance energy transfer (TR-FRET) assay for monitoring HDC activity. The assay is based on competition between HDC-generated histamine and fluorophore-labeled histamine for binding to a Europium cryptate (EuK)-labeled anti-histamine antibody. We demonstrated that the assay is highly sensitive and simple to develop. Assay validation experiments were performed using low-volume 384-well plates and resulted in good statistical parameters. A pilot HTS screen gave a Z' score > 0.5 and a hit rate of 1.1%, and led to the identification of a validated hit series. Overall, the presented assay should facilitate the discovery of therapeutic HDC inhibitors by acting as a novel tool suitable for large-scale HTS and subsequent interrogation of compound structure-activity relationships.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle