MétaCan
Menu
Retour à la cohorte
Enregistrement W2921207188 · doi:10.1080/14756366.2019.1587416

CRISPR/Cas9-based liver-derived reporter cells for screening of mPGES-1 inhibitors

2019· article· en· W2921207188 sur OpenAlexaff
Zhanfei Chen, Xiaoling Cai, Man Li, Linlin Yan, Luxi Wu, Xiaoqian Wang, Nanhong Tang

Notice bibliographique

RevueJournal of Enzyme Inhibition and Medicinal Chemistry · 2019
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueCRISPR and Genetic Engineering
Établissements canadiensMinistry of Education and Child Care
Organismes subventionnairesMedical Innovation Project of Fujian ProvinceNatural Science Foundation of Fujian Province
Mots-clésFlow cytometryCRISPRCas9InflammationReporter geneImmunofluorescenceHigh-throughput screeningFluorescenceMolecular biologyBiologyChemistryCancer researchCell biologyBiochemistryGeneGene expressionImmunologyAntibody

Résumé

récupéré en direct d'OpenAlex

mPGES-1 is a terminal rate-limiting enzyme responsible for inflammation-induced PGE2 production. The inhibition of mPGES-1 has been considered as a safe and effective target for the treatment of inflammation and cancer. However, a specific, efficient, and simple method for high-throughput screening of mPGES-1 inhibitors is still lacking. In this study, we developed a fluorescence imaging strategy to monitor the expression of mPGES-1 via CRISPR/Cas9 knock-in system. Immunofluorescence colocalisation, Sanger sequencing, RNAi, and IL-1β treatment all confirmed the successful construction of mPGES-1 reporter cells. The fluorescence signal intensity of the reporter cells treated with four conventional mPGES-1 inhibitors was considerably attenuated via flow cytometry and fluorescent microplate reader, demonstrating that the reporter cells can be used as an efficient and convenient means for screening and optimising mPGES-1 inhibitors. Moreover, it provides a new technical support for the development of targeted small molecule compounds for anti-inflammatory and tumour therapy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,491

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,009
Tête enseignante GPT0,273
Écart entre enseignants0,264 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations7
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Enzyme Inhibition and Medicinal ChemistryMême sujetCRISPR and Genetic EngineeringTravaux en français237 207