Optimized Opioid-Neurotensin Multitarget Peptides: From Design to Structure–Activity Relationship Studies
Notice bibliographique
Résumé
Abstract Fusion of nonopioid pharmacophores, such as neurotensin, with opioid ligands represents an attractive approach for pain treatment. Herein, the μ-/δ-opioid agonist tetrapeptide H-Dmt-d-Arg-Aba-β-Ala-NH2 (KGOP01) was fused to NT(8-13) analogues. Since the NTS1 receptor has been linked to adverse effects, selective MOR-NTS2 ligands are preferred. Modifications were introduced within the native NT sequence, particularly a β3-homo amino acid in position 8 and Tyr11 substitutions. Combination of β3hArg and Dmt led to peptide 7, a MOR agonist, showing the highest NTS2 affinity described to date (Ki = 3 pM) and good NTS1 affinity (Ki = 4 nM), providing a >1300-fold NTS2 selectivity. The (6-OH)Tic-containing analogue 9 also exhibited high NTS2 affinity (Ki = 1.7 nM), with low NTS1 affinity (Ki = 4.7 μM), resulting in an excellent NTS2 selectivity (>2700). In mice, hybrid 7 produced significant and prolonged antinociception (up to 8 h), as compared to the KGOP01 opioid parent compound.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,001 |
| 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 ».