Repurposing a Histamine Detection Platform for High-Throughput Screening of Histidine Decarboxylase
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.
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 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».