MétaCan
Menu
Retour à la cohorte
Enregistrement W4210517447 · doi:10.1016/j.bmcl.2022.128588

Development of dihydropyrrolopyridinone-based PKN2/PRK2 chemical tools to enable drug discovery

2022· article· en· W4210517447 sur OpenAlexfundno aff
Fiona L. Scott, Jéssica E. Takarada, Mihaela Ficu, Lewis E. Pennicott, Tristan Reuillon, Rafael M. Couñago, Katlin B. Massirer, Jonathan M. Elkins, Simon E. Ward

Notice bibliographique

RevueBioorganic & Medicinal Chemistry Letters · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Kinase Regulation and GTPase Signaling
Établissements canadiensnon disponible
Organismes subventionnairesGenentechConselho Nacional de Desenvolvimento Científico e TecnológicoUniversity of SussexWellcome TrustCoordenação de Aperfeiçoamento de Pessoal de Nível SuperiorOntario Genomics InstituteEuropean Federation of Pharmaceutical Industries and AssociationsMerck KGaAOntario GenomicsFundação de Amparo à Pesquisa do Estado de São PauloGenome CanadaMcGill UniversityUniversidade Estadual de CampinasBayerPfizerBristol-Myers Squibb
Mots-clésKinomeEffectorChemistryDrug discoveryKinaseMembrane permeabilityComputational biologyBiochemistryBiologyMembrane

Résumé

récupéré en direct d'OpenAlex

The Protein Kinase N proteins (PKN1, PKN2 and PKN3) are Rho GTPase effectors. They are involved in several biological processes such as cytoskeleton organization, cell mobility, adhesion, and cell cycle. Recently PKNs have been reported as essential for survival in several tumor cell lines, including prostate and breast cancer. Here, we report the development of dihydropyrrolopyridinone-based inhibitors for PKN2 and its closest homologue, PKN1, and their associated structure–activity relationship (SAR). Our studies identified a range of molecules with high potency exemplified by compound 8 with Ki = 8 nM for PKN2 and 14x selectivity over PKN1. Membrane permeability and target engagement for PKN2 were assessed by a NanoBRET cellular assay. Importantly, good selectivity across the wider human kinome and other kinase family members was achieved. These compounds provide strong starting points for lead optimization to PKN1/2 development compounds.

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 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)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
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 Opus0,012
Tête enseignante GPT0,222
Écart entre enseignants0,210 · 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 tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

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

En bref

Citations6
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioorganic & Medicinal Chemistry LettersMême sujetProtein Kinase Regulation and GTPase SignalingTravaux en français237 207