MétaCan
Menu
Retour à la cohorte
Enregistrement W3198802214 · doi:10.2196/29844

Selection of the Optimal L-asparaginase II Against Acute Lymphoblastic Leukemia: An In Silico Approach

2021· article· en· W3198802214 sur OpenAlex

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.

venuePublié dans une revue dont le pays d'attache est le Canada.
no affAucune affiliation canadienne : ce travail est invisible pour une base fondée sur la seule affiliation.
Aucune affiliation canadienne. Une base fondée sur la seule affiliation (le devis habituel) n'aurait jamais vu ce travail. C'est l'un des travaux qui justifient l'inversion de la base.

Notice bibliographique

RevueJMIRx Med · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueAcute Lymphoblastic Leukemia research
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésAsparaginaseErwiniaEscherichia coliAsparagineStreptomyces griseusBiologyBiochemistryEnzymeImmunogenicityChemistryMicrobiologyStreptomycesGeneLymphoblastic LeukemiaBacteriaGeneticsLeukemiaAntigen

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: L-asparaginase II (asnB), a periplasmic protein commercially extracted from E coli and Erwinia, is often used to treat acute lymphoblastic leukemia. L-asparaginase is an enzyme that converts L-asparagine to aspartic acid and ammonia. Cancer cells are dependent on asparagine from other sources for growth, and when these cells are deprived of asparagine by the action of the enzyme, the cancer cells selectively die. OBJECTIVE: Questions remain as to whether asnB from E coli and Erwinia is the best asparaginase as they have many side effects. asnBs with the lowest Michaelis constant (Km; most potent) and lowest immunogenicity are considered the most optimal enzymes. In this paper, we have attempted the development of a method to screen for optimal enzymes that are better than commercially available enzymes. METHODS: In this paper, the asnB sequence of E coli was used to search for homologous proteins in different bacterial and archaeal phyla, and a maximum likelihood phylogenetic tree was constructed. The sequences that are most distant from E coli and Erwinia were considered the best candidates in terms of immunogenicity and were chosen for further processing. The structures of these proteins were built by homology modeling, and asparagine was docked with these proteins to calculate the binding energy. RESULTS: asnBs from Streptomyces griseus, Streptomyces venezuelae, and Streptomyces collinus were found to have the highest binding energy (-5.3 kcal/mol, -5.2 kcal/mol, and -5.3 kcal/mol, respectively; higher than the E coli and Erwinia asnBs) and were predicted to have the lowest Kms, as we found that there is an inverse relationship between binding energy and Km. Besides predicting the most optimal asparaginase, this technique can also be used to predict the most optimal enzymes where the substrate is known and the structure of one of the homologs is solved. CONCLUSIONS: We have devised an in silico method to predict the enzyme kinetics from a sequence of an enzyme along with being able to screen for optimal alternative asnBs against acute lymphoblastic leukemia.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,500
Score d'incertitude au seuil0,728

Scores Codex et Gemma par catégorie

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

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 Opus0,015
Tête enseignante GPT0,282
Écart entre enseignants0,267 · 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