MétaCan
Menu
Retour à la cohorte
Enregistrement W4289668368 · doi:10.1039/d2cb00106c

QSAR models reveal new EPAC-selective allosteric modulators

2022· article· en· W4289668368 sur OpenAlexafffund
Hebatallah Mohamed, Hongzhao Shao, Madoka Akimoto, Patrick Darveau, Marc R. Mackinnon, Jakob Magolan, Giuseppe Melacini

Notice bibliographique

RevueRSC Chemical Biology · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensMcMaster University
Organismes subventionnairesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health Research
Mots-clésQuantitative structure–activity relationshipGuanine nucleotide exchange factorAllosteric regulationChemistryComputational biologyPartial agonistIntrinsic activityMode of actionGTPaseCombinatorial chemistryAgonistStereochemistryBiochemistryReceptorBiology

Résumé

récupéré en direct d'OpenAlex

Exchange proteins directly activated by cAMP (EPAC) are guanine nucleotide exchange factors for the small GTPases, Rap1 and Rap2. They regulate several physiological functions and mitigation of their activity has been suggested as a possible treatment for multiple diseases such as cardiomyopathy, diabetes, chronic pain, and cancer. Several EPAC-specific modulators have been developed, however studies that quantify their structure-activity relationships are still lacking. Here we propose a quantitative structure-activity relationship (QSAR) model for a series of EPAC-specific compounds. The model demonstrated high reproducibility and predictivity and the predictive ability of the model was tested against a series of compounds that were unknown to the model. The compound with the highest predicted affinity was validated experimentally through fluorescence-based competition assays and NMR experiments revealed its mode of binding and mechanism of action as a partial agonist. The proposed QSAR model can, therefore, serve as an effective screening tool to identify promising EPAC-selective drug leads with enhanced potency.

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 candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Théorique ou conceptuel · Signal consensuel: Théorique ou conceptuel
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,554
Score d'incertitude au seuil0,680

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0010,001
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 Opus0,029
Tête enseignante GPT0,289
Écart entre enseignants0,260 · 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.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeThéorique ou conceptuel
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'admission2
Résumé présentoui

Explorer davantage

Même revueRSC Chemical BiologyMême sujetComputational Drug Discovery MethodsTravaux en français237 207