MétaCan
Menu
Retour à la cohorte
Enregistrement W3095840616 · doi:10.1177/2472555220965528

E3 Ligase Ligands for PROTACs: How They Were Found and How to Discover New Ones

2020· review· en· W3095840616 sur OpenAlexfundno aff
Tasuku Ishida, Alessio Ciulli

Notice bibliographique

RevueSLAS DISCOVERY · 2020
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensnon disponible
Organismes subventionnairesFP7 Ideas: European Research CouncilEuropean CommissionEuropean Federation of Pharmaceutical Industries and AssociationsInnovative Medicines InitiativeMcGill University
Mots-clésUbiquitin ligaseDNA ligaseUbiquitinDrug discoveryComputational biologyCereblonProtein degradationUbiquitin-Protein LigasesProteasomeChemistryBiologyBiochemistryDNA

Résumé

récupéré en direct d'OpenAlex

Bifunctional degrader molecules, also called proteolysis-targeting chimeras (PROTACs), are a new modality of chemical tools and potential therapeutics to understand and treat human disease. A required PROTAC component is a ligand binding to an E3 ubiquitin ligase, which is then joined to another ligand binding to a protein to be degraded via the ubiquitin-proteasome system. The advent of nonpeptidic small-molecule E3 ligase ligands, notably for von Hippel-Lindau (VHL) and cereblon (CRBN), revolutionized the field and ushered in the design of drug-like PROTACs with potent and selective degradation activity. A first wave of PROTAC drugs are now undergoing clinical development in cancer, and the field is seeking to extend the repertoire of chemistries that allow hijacking new E3 ligases to improve the scope of targeted protein degradation.Here, we briefly review how traditional E3 ligase ligands were discovered, and then outline approaches and ligands that have been recently used to discover new E3 ligases for PROTACs. We will then take an outlook at current and future strategies undertaken that invoke either target-based screening or phenotypic-based approaches, including the use of DNA-encoded libraries (DELs), display technologies and cyclic peptides, smaller molecular glue degraders, and covalent warhead ligands. These approaches are ripe for expanding the chemical space of PROTACs and usher in the advent of other emerging bifunctional modalities of proximity-based pharmacology.

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)0,001
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,003
Score d'incertitude au seuil0,011

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0020,002
Science ouverte0,0010,001
Intégrité de la recherche0,0010,003
Charge utile insuffisante (le modèle a refusé de juger)0,0030,002

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 Opus0,031
Tête enseignante GPT0,299
Écart entre enseignants0,268 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations369
Publié2020
Routes d'admission1
Résumé présentnon

Explorer davantage

Même revueSLAS DISCOVERYMême sujetProtein Degradation and InhibitorsTravaux en français237 207