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
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.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi 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.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».