Discovery of a first-in-class small molecule ligand for WDR91 using DNA-encoded chemical library selection followed by machine learning
Notice bibliographique
Résumé
Abstract WD40 repeat-containing protein 91 regulates endosomal phosphatidylinositol 3-phosphate levels at the critical stage of endosome maturation and plays vital roles in endosome fusion, recycling, and transport by mediating protein-protein interactions. Due to its various roles in endocytic pathways, WDR91 has recently been identified as a potential host factor responsible for viral infection. We employed DNA-Encoded Chemical Library (DEL) selection against the WDR domain of WDR91, followed by machine learning to generate a model that was then used to predict ligands from the synthetically accessible Enamine REAL database. Screening of predicted compounds enabled us to identify the hit compound 1 , which binds selectively to WDR91 with a K D of 6 ± 2 μM by surface plasmon resonance. The co-crystal structure confirmed the binding of 1 to the WDR91 side pocket, in proximity to cysteine 487. Machine learning-assisted structure activity relationship-by-catalog validated the chemotype of 1 and led to the discovery of covalent analogs 18 and 19 . Intact mass LC-MS and differential scanning fluorimetry confirmed the formation of a covalent adduct, and thermal stabilization, respectively. The discovery of 1, 18, 19 , accompanying SAR, and co-crystal structures will provide valuable insights for designing more potent and selective compounds against WDR91, thus accelerating the development of novel chemical tools to evaluate the therapeutic potential of WDR91 in disease.
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) | 0,001 | 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 | 0,001 |
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 ».