In Silico Exploration of Metabolically Active Peptides as Potential Therapeutic Agents against Amyotrophic Lateral Sclerosis
Notice bibliographique
Résumé
Amyotrophic lateral sclerosis (ALS) is regarded as a fatal neurodegenerative disease that is featured by progressive damage of the upper and lower motor neurons. To date, over 45 genes have been found to be connected with ALS pathology. The aim of this work was to computationally identify unique sets of protein hydrolysate peptides that could serve as therapeutic agents against ALS. Computational methods which include target prediction, protein-protein interaction, and peptide-protein molecular docking were used. The results showed that the network of critical ALS-associated genes consists of ATG16L2, SCFD1, VAC15, VEGFA, KEAP1, KIF5A, FIG4, TUBA4A, SIGMAR1, SETX, ANXA11, HNRNPL, NEK1, C9orf72, VCP, RPSA, ATP5B, and SOD1 together with predicted kinases such as AKT1, CDK4, DNAPK, MAPK14, and ERK2 in addition to transcription factors such as MYC, RELA, ZMIZ1, EGR1, TRIM28, and FOXA2. The identified molecular targets of the peptides that support multi-metabolic components in ALS pathogenesis include cyclooxygenase-2, angiotensin I-converting enzyme, dipeptidyl peptidase IV, X-linked inhibitor of apoptosis protein 3, and endothelin receptor ET-A. Overall, the results showed that AGL, APL, AVK, IIW, PVI, and VAY peptides are promising candidates for further study. Future work would be needed to validate the therapeutic properties of these hydrolysate peptides by in vitro and in vivo approaches.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».