A Loop‐Based and AGO‐Incorporated Virtual Screening Model Targeting AGO‐Mediated miRNA–mRNA Interactions for Drug Discovery to Rescue Bone Phenotype in Genetically Modified Mice
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Several virtual screening models are proposed to screen small molecules only targeting primary miRNAs without selectivity. Few attempts have been made to develop virtual screening strategies for discovering small molecules targeting mature miRNAs. Mature miRNAs and their specific target mRNA can form unique functional loops during argonaute (AGO)-mediated miRNA-mRNA interactions, which may serve as potential targets for small-molecule drug discovery. Thus, a loop-based and AGO-incorporated virtual screening model is constructed for targeting the loops. The previously published studies have found that miR-214 can target ATF4 to inhibit osteoblastic bone formation, whereas miR-214 can target TRAF3 to promote osteoclast activity. By using the virtual model, the top ten candidate small molecules targeting miR-214-ATF4 mRNA interactions and top ten candidate small molecules targeting miR-214-TRAF3 mRNA interactions are selected, respectively. Based on both in vitro and in vivo data, one small molecule can target miR-214-ATF4 mRNA to promote ATF4 protein expression and enhance osteogenic potential, whereas one small molecule can target miR-214-TRAF3 mRNA to promote TRAF3 protein expression and inhibit osteoclast activity. These data indicate that the loop-based and AGO-incorporated virtual screening model can help to obtain small molecules specifically targeting miRNA-mRNA interactions to rescue bone phenotype in genetically modified mice.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi 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.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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