Development of Highly Potent and Selective FGFR4 Inhibitors Based on SNAr Electrophiles
Notice bibliographique
Résumé
Fibroblast Growth Factor Receptor 4 (FGFR4) is thought to be a driver in several cancer types, most notably in hepatocellular carcinoma. One way to achieve high potency and isoform-selectivity for FGFR4 is to covalently target a rare cysteine (C552) in the hinge region of its kinase domain that is not present in other FGFR family members (FGFR1-3). Typically, this cysteine is addressed via classical acrylamide electrophiles. Here, we demonstrate that non-canonical covalent “warheads” based on nucleophilic aromatic substitution (SNAr) chemistry can be employed in a rational manner to generate highly potent and (isoform )selective FGFR4 inhibitors with a low intrinsic reactivity. Our key compounds showed low- to subnanomolar potency, efficient covalent inactivation, and excellent selectivity over other FGFRs as well as kinases with an equivalent cysteine and a representative subset of the kinome. Moreover, these compounds achieved low nanomolar potencies in cellular assays and demonstrated good microsomal stability highlighting the potential of SNAr-based approaches in covalent inhibitor design.
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 distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| 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 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 tête enseignante, 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 ».