Transformation of a Metal Chelate into a “Catch and Anchor” Inhibitor of Botulinum A Protease
Notice bibliographique
Résumé
Targeting the botulinum neurotoxin light chain (LC) metalloprotease using small-molecule metal chelate inhibitors is a promising approach to counter the effects of the lethal toxin. However, to overcome the pitfalls associated with simple reversible metal chelate inhibitors, it is crucial to investigate alternative scaffolds/strategies. In conjunction with Atomwise Inc., in silico and in vitro screenings were conducted, yielding a number of leads, including a novel 9-hydroxy-4H-pyrido [1,2-a]pyrimidin-4-one (PPO) scaffold. From this structure, an additional series of 43 derivatives were synthesized and tested, resulting in a lead candidate with a Ki of 150 nM in a BoNT/A LC enzyme assay and 17 µM in a motor neuron cell-based assay. These data combined with structure-activity relationship (SAR) analysis and docking led to a bifunctional design strategy, which we termed “catch and anchor” for the covalent inhibition of BoNT/A LC. Kinetic evaluation was conducted on structures prepared from this catch and anchor campaign, providing kinact/Ki values, and rationale for inhibition seen. Covalent modification was validated through additional assays, including an FRET endpoint assay, mass spectrometry, and exhaustive enzyme dialysis. The data presented support the PPO scaffold as a novel candidate for targeted covalent inhibition of BoNT/A LC.
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) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 0,000 |
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.
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 ».