Screening Peptides that Activate MRGPRX2 using Engineered HEK Cells
Notice bibliographique
Résumé
Identifying ligands specific to therapeutically significant cell receptors is crucial for many applications, including the design and development of new therapeutics. Mas related G-protein receptor-X2 (MRGPRX2) is an important receptor that regulates mast cell activation and, thus, directs the general immune response. Numerous ligands for MRGPRX2 have been identified and include endogenous peptides like PAMPs, defensins, LL-37 and other protein fragments (i.e., degraded albumin). Further identification of MRGPRX2 specific ligands requires the screening of a large number of peptides (i.e., peptide library); however, mast cells are difficult and expensive to maintain in vitro and, therefore, not economical to use for screening large numbers of molecules. The present paper demonstrates a method to design, develop, and screen a library of small peptide molecules using MRGPRX2 expressing HEK cells. This cell line is relatively easy and inexpensive to maintain and can be used for in vitro high-throughput analysis. A calcium sensitive Fura-2 fluorescent dye to mark intracellular calcium flux upon activation was used to monitor the activation. The ratio of fluorescence intensity of Fura-2 at 510 nm against excitation wavelengths of 340 and 380 nm was used to calculate calcium concentration. The peptide library used to verify this system was based on the endogenous proadrenomedullin N-terminal 12 (PAMP-12) secretagogue, which is known to bind MRGPRX2 with high specificity and affinity. Subsequent peptides were generated through amino acid truncation and alanine scanning techniques applied to PAMP-12. The method described here is simple and inexpensive yet robust for screening a large library of compounds to identify binding domains and other important parameters that play an important role in receptor activation.
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 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,002 |
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.
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 ».