MétaCan
Menu
← Retour à la cohorte
Enregistrement W3003865398 · doi:10.1101/2020.01.28.923557

Pharmacodynamic Markers of LRRK2 Inhibition in Biofluids

2020· preprint· en· W3003865398 sur OpenAlexaff

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineMedicine
ThématiqueParkinson's Disease Mechanisms and Treatments
Établissements canadiensAtuka (Canada)
Organismes subventionnairesNational Institute of Neurological Disorders and StrokeNational Institutes of HealthSanofi
Mots-clésLRRK2PharmacodynamicsExosomeKinaseSecretionDrugMicrovesicles

Résumé

récupéré en direct d'OpenAlex

Abstract Hyper-activated LRRK2 is linked to Parkinson’s disease susceptibility and progression. Quantitative measures of LRRK2 inhibition, especially in the brain, may be critical in the clinical development of successful LRRK2-targeting therapeutics. In this study, three different brain-penetrant and selective LRRK2 small-molecule kinase inhibitors (PFE-360, MLi2, and RA283) were orally administered to groups of cynomolgus macaques at different doses. Biofluid markers with proposed pharmacodynamic properties for assessing LRRK2 inhibition were measured from samples of blood, urine, and cerebral-spinal fluid (CSF). LRRK2 kinase inhibition led to consistent reduced pS935-LRRK2 and pRab10 proteins in blood mononuclear cells, reduced exosome LRRK2 protein and di-docosahexaenoyl (22:6) bis (monoacylglycerol) phosphate in urine, and reduced exosome LRRK2 and autophosphorylated pS1292-LRRK2 protein in CSF. Incomplete LRRK2 kinase inhibition reduced LRRK2 protein secretion in exosomes whereas high drug exposures may reduce both exosome and tissue levels of LRRK2 protein. These orthogonal markers for LRRK2 inhibition in urine and CSF can be used in combination with blood markers to non-invasively monitor the potency of LRRK2-targeting therapeutics in the brain and periphery.

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)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut 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 enseignants0,001
Score d'incertitude au seuil0,002

Scores du classifieur distillé par catégorie (deux têtes)

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)0,0010,000

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 Opus0,016
Tête enseignante GPT0,248
Écart entre enseignants0,232 · 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'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

Citations1
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)→Même sujetParkinson's Disease Mechanisms and Treatments→Travaux en français237 207→