High-throughput crystallography for rapid fragment growth from crude arrays by low-cost robotics
Notice bibliographique
Résumé
We demonstrate that a simple workflow of array synthesis, combining low-cost robotics with analytic techniques to deconvolute crude reaction mixtures, is an effective way to collect structural data on a binding site. Starting from the high information content of the crystallographic fragment screens on PHIP(2) (second bromodomain of the pleckstrin homology domain interacting protein), a collection of more than 1800 compounds was enumerated. Several thousand Crude Reaction Mixtures (CRMs) were synthesized on one robotic platform, an OpenTrons OT-1 liquid handler, using reaction sequences of up to 5 chemical steps. Analysis via MScheck, an algorithm-based system for finding an m/z in a CRM, significantly shortened product identification protocol times. 969 usable X-ray diffraction datasets were acquired, which resolved as 22 reaction products binding to the protein, 19 with conserved poses relative to the original fragment and 3 with a new, unexpected binding pose. The 22 crystallographic hit compounds were subsequently tested with peptide displacement alpha-screen assay and time-resolved grating-coupled interferometry-based biosensor assays, which confirmed one molecule with an IC50 = 34 μM and KD = 50 μM, from an inactive fragment. The procedures described are entirely formulaic and engineerable and the method is eminently scalable. We anticipate that this cheap, low solvent-use approach will yield vast amounts of data, enabling rapid structural SAR landscape exploration around fragments, leading to faster fragment-to-lead times.
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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,002 |
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 ».