MétaCan
Menu
Retour à la cohorte
Enregistrement W4320929315 · doi:10.1016/j.sbi.2023.102534

Breaking free from the crystal lattice: Structural biology in solution to study protein degraders

2023· review· en· W4320929315 sur OpenAlexfundno aff
Kevin Haubrich, Valentina A. Spiteri, William Farnaby, Frank Sobott, Alessio Ciulli

Notice bibliographique

RevueCurrent Opinion in Structural Biology · 2023
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensnon disponible
Organismes subventionnairesH2020 European Research CouncilInnovative Medicines InitiativeEuropean CommissionEuropean Research CouncilOntario Institute for Cancer ResearchEuropean Federation of Pharmaceutical Industries and AssociationsKungliga Tekniska HögskolanSeventh Framework ProgrammeMcGill University
Mots-clésStructural biologyTernary complexTernary operationComputational biologyProtein structureChemistryNanotechnologyCrystallographyChemical physicsBiologyMaterials scienceBiochemistryComputer scienceEnzyme

Résumé

récupéré en direct d'OpenAlex

Structural biology offers a versatile arsenal of techniques and methods to investigate the structure and conformational dynamics of proteins and their assemblies. The growing field of targeted protein degradation centres on the premise of developing small molecules, termed degraders, to induce proximity between an E3 ligase and a protein of interest to be signalled for degradation. This new drug modality brings with it new opportunities and challenges to structural biologists. Here we discuss how several structural biology techniques, including nuclear magnetic resonance, cryo-electron microscopy, structural mass spectrometry and small angle scattering, have been explored to complement X-ray crystallography in studying degraders and their ternary complexes. Together the studies covered in this review make a case for the invaluable perspectives that integrative structural biology techniques in solution can bring to understanding ternary complexes and designing degraders.

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)0,001
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: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0020,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,001
Communication savante0,0020,003
Science ouverte0,0010,001
Intégrité de la recherche0,0020,003
Charge utile insuffisante (le modèle a refusé de juger)0,0020,004

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 Opus0,100
Tête enseignante GPT0,408
Écart entre enseignants0,308 · 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'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations15
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCurrent Opinion in Structural BiologyMême sujetProtein Degradation and InhibitorsTravaux en français237 207