MétaCan
Menu
Retour à la cohorte
Enregistrement W2989732926 · doi:10.1016/j.heliyon.2019.e02879

An overview of albumin and alpha-1-acid glycoprotein main characteristics: highlighting the roles of amino acids in binding kinetics and molecular interactions

2019· review· en· W2989732926 sur OpenAlexaff
Michel Bteich

Notice bibliographique

RevueHeliyon · 2019
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Interaction Studies and Fluorescence Analysis
Établissements canadiensUniversité de Montréal
Organismes subventionnairesnon disponible
Mots-clésAlbuminKineticsGlycoproteinOrosomucoidAmino acidBiochemistryChemistryPlasma protein bindingComputational biologyBiology

Résumé

récupéré en direct d'OpenAlex

Although Albumin (ALB) and alpha-1-acid glycoprotein (AGP) have distinctive structural and functional characteristics, they both play a key role in binding a large variety of endogenous and exogenous ligands. An extensive binding to these plasma proteins could have a potential impact on drugs disposition (e.g. bioavailability, distribution and clearance), on their innocuity and their efficacy. This review summarizes the common knowledge about the structural and molecular characteristics of both ALB and AGP in humans, and about the most involved amino acids in their high-affinity binding pockets. However, the variability in residues found in binding pockets, for the same species, allows each plasma protein to interact differently with the ligands. The protein-ligand interaction influences differently the disposition of drugs that bind to either of these plasma proteins. The content of this review is useful for the design of new drug entities with high-binding characteristics, in qualitative and quantitative modelling (e.g. in vitro-in vivo extrapolations, 3D molecular docking, interspecies extrapolations), and for other interdisciplinary research.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0020,003
Études des sciences et des technologies0,0000,000
Communication savante0,0010,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0030,003

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 Opus0,037
Tête enseignante GPT0,338
Écart entre enseignants0,301 · 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 source (Gemma direct ou Codex distillé), 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

Citations134
Publié2019
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueHeliyonMême sujetProtein Interaction Studies and Fluorescence AnalysisTravaux en français237 207