MétaCan
Menu
Retour à la cohorte
Enregistrement W4320060843 · doi:10.3390/ecmc2022-13472

In Silico Fragment-Based Drug Design and Molecular Docking of Tranilast Analogues as Potential Inhibitors of Transforming Growth Factor- β Receptor Type 1

2022· article· en· W4320060843 sur OpenAlexaboutno aff
Nusaiba A. Babiker, Ahmed T. Negmeldin, Eman M. El‐labbad

Notice bibliographique

RevueECMC 2022 · 2022
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueTGF-β signaling in diseases
Établissements canadiensnon disponible
Organismes subventionnairesnon disponible
Mots-clésIn silicoTranilastDocking (animal)DrugChemistryComputational biologyPharmacologyBiologyBiochemistryMedicineGene

Résumé

récupéré en direct d'OpenAlex

Transforming Growth Factor- β Receptor type 1 (TGF-βR1) is an important anticancer target involved in promoting cell proliferation, progression, and metastasis through the induction of angiogenesis and suppression of immunological responses during the late stage of malignancy. Tranilast was initially approved for the treatment of bronchial asthma and allergic conditions in 1982. Later, it was revealed that Tranilast had numerous effects on cancer hallmarks, including immune evasion and sustained proliferation via the inhibition of TGF-βR1. This research describes the design of a novel series of anthranilate derivatives having various modes of interactions with TGF-βR1 compared with Tranilast. A database of novel Tranilast analogues was generated using Molecular Operating Environment Software (MOE 2020.09, Chemical Computing Group CCG, Montréal, Canada) using fragment-based drug design. Representative compounds were selected from the database and docked in the identified binding site of TGF-βR1. Several compounds showed higher binding affinity for TGF-βR1 compared with the lead compound in this work, Tranilast. Compounds with high docking scores contained a positively charged amine group that interacted with Asp290 or a negatively charged carboxylate group with Lys 335 in the TGF-βR1 ATP binding site. Additionally, compounds containing an aromatic group showed high docking scores through interacting with Ser287, Lys337, or Ile 211. Compounds A11, A14, A16, and B5 which had the best poses in terms of binding interactions and docking scores to the binding site will be considered for further synthesis and biological evaluation.

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)0,000
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: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,014

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0040,000

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 Opus0,006
Tête enseignante GPT0,223
Écart entre enseignants0,217 · 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'étudeSimulation ou modélisation
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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueECMC 2022Même sujetTGF-β signaling in diseasesTravaux en français237 207