Pore- and voltage sensor–targeted KCNQ openers have distinct state-dependent actions
Notice bibliographique
Résumé
conductance in the central nervous system, referred to as the M current, which is controlled by membrane voltage and PIP2. The KCNQ2-5 voltage-gated potassium channels are targeted by a variety of activating compounds that cause negative shifts in the voltage dependence of activation. The underlying pharmacology of these effects is of growing interest because of possible clinical applications. Recent studies have revealed multiple binding sites and mechanisms of action of KCNQ activators. For example, retigabine targets the pore domain, but several compounds have been shown to influence the voltage-sensing domain. An important unexplored feature of these compounds is the influence of channel gating on drug binding or effects. In the present study, we compare the state-dependent actions of retigabine and ICA-069673 (ICA73, a voltage sensor-targeted activator). We assess drug binding to preopen states by applying drugs to homomeric KCNQ2 channels at different holding voltages, demonstrating little or no association of ICA73 with resting states. Using rapid solution switching, we also demonstrate that the rate of onset of ICA73 correlates with the voltage dependence of channel activation. Retigabine actions differ significantly, with prominent drug effects seen at very negative holding voltages and distinct voltage dependences of drug binding versus channel activation. Using similar approaches, we investigate the mechanistic basis for attenuation of ICA73 actions by the voltage-sensing domain mutation KCNQ2[A181P]. Our findings demonstrate different state-dependent actions of pore- versus voltage sensor-targeted KCNQ channel activators, which highlight that subtypes of this drug class operate with distinct mechanisms.
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 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».