MétaCan
Menu
Retour à la cohorte
Enregistrement W3023942229 · doi:10.1002/cmdc.202000150

Targeting the Water Network in Cyclin G‐Associated Kinase (GAK) with 4‐Anilino‐quin(az)oline Inhibitors

2020· article· en· W3023942229 sur OpenAlexfundno aff
Christopher R. M. Asquith, Graham J. Tizzard, James M. Bennett, Carrow I. Wells, Jonathan M. Elkins, Timothy M. Willson, Antti Poso, Tuomo Laitinen

Notice bibliographique

RevueChemMedChem · 2020
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Kinase Regulation and GTPase Signaling
Établissements canadiensnon disponible
Organismes subventionnairesEngineering and Physical Sciences Research CouncilUniversity of North Carolina at Chapel HillBiocenter FinlandMinistero dello Sviluppo EconomicoNovartis PharmaChina Scholarship CouncilCanada Foundation for InnovationOntario Ministry of Economic Development and InnovationUniversity of ManchesterWellcome TrustFundação de Amparo à Pesquisa do Estado de São PauloGenome CanadaAbbVieEuropean Federation of Pharmaceutical Industries and AssociationsMerck KGaATakeda Pharmaceuticals U.S.A.PfizerBoehringer Ingelheim
Mots-clésKinaseDrug discoveryCyclin-dependent kinaseChemistryCyclinPotencyBiochemistryIn vitroGeneCell cycle

Résumé

récupéré en direct d'OpenAlex

Water networks within kinase inhibitor design and more widely within drug discovery are generally poorly understood. The successful targeting of these networks prospectively has great promise for all facets of inhibitor design, including potency and selectivity for the target. Herein, we describe the design and testing of a targeted library of 4-anilinoquin(az)olines for use as inhibitors of cyclin G-associated kinase (GAK). GAK cellular target engagement assays, ATP binding-site modelling and extensive water mapping provide a clear route to access potent inhibitors for GAK and beyond.

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 seuil0,004

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 Opus0,011
Tête enseignante GPT0,213
Écart entre enseignants0,203 · 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

Citations13
Publié2020
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueChemMedChemMême sujetProtein Kinase Regulation and GTPase SignalingTravaux en français237 207