MétaCan
Menu
Retour à la cohorte
Enregistrement W2983697624 · doi:10.3390/cells8111462

Recent Advances in EPAC-Targeted Therapies: A Biophysical Perspective

2019· review· en· W2983697624 sur OpenAlexafffund
Alveena Ahmed, Stephen Boulton, Hongzhao Shao, Madoka Akimoto, Amarnath Natarajan, Xiaodong Cheng, Giuseppe Melacini

Notice bibliographique

RevueCells · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Kinase Regulation and GTPase Signaling
Établissements canadiensMcMaster University
Organismes subventionnairesNational Institute of General Medical SciencesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésFalse positive paradoxComputational biologyProtein kinase ACompetitive bindingProtein–protein interactionChemistryIntracellularKinaseBiologyBiochemistryComputer scienceReceptor

Résumé

récupéré en direct d'OpenAlex

The universal second messenger cAMP regulates diverse intracellular processes by interacting with ubiquitously expressed proteins, such as Protein Kinase A (PKA) and the Exchange Protein directly Activated by cAMP (EPAC). EPAC is implicated in multiple pathologies, thus several EPAC-specific inhibitors have been identified in recent years. However, the mechanisms and molecular interactions underlying the EPAC inhibition elicited by such compounds are still poorly understood. Additionally, being hydrophobic low molecular weight species, EPAC-specific inhibitors are prone to forming colloidal aggregates, which result in non-specific aggregation-based inhibition (ABI) in aqueous systems. Here, we review from a biophysical perspective the molecular basis of the specific and non-specific interactions of two EPAC antagonists-CE3F4R, a non-competitive inhibitor, and ESI-09, a competitive inhibitor of EPAC. Additionally, we discuss the value of common ABI attenuators (e.g., TX and HSA) to reduce false positives at the expense of introducing false negatives when screening aggregation-prone compounds. We hope this review provides the EPAC community effective criteria to evaluate similar compounds, aiding in the optimization of existing drug leads, and informing the development of the next generation of EPAC-specific inhibitors.

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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,994
Score d'incertitude au seuil0,973

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0010,000
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 Opus0,023
Tête enseignante GPT0,315
Écart entre enseignants0,292 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations23
Publié2019
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueCellsMême sujetProtein Kinase Regulation and GTPase SignalingTravaux en français237 207