Development and Optimization of a Target Engagement Model of BrainIDO Inhibition for Alzheimer’s Disease
Notice bibliographique
Résumé
BACKGROUND: Indoleamine 2,3-dioxygenase (IDO1) inhibition is a promising target as an Alzheimer's disease (AD) Disease-modifying therapy capable of downregulating immunopathic neuroinflammatory processes. METHODS: To aid in the development of IDO inhibitors as potential AD therapeutics, we optimized a lipopolysaccharide (LPS) based mouse model of brain IDO1 inhibition by examining the dosedependent and time-course of the brain kynurenine:tryptophan (K:T) ratio to LPS via intraperitoneal dosing. RESULTS: We determined the optimal LPS dose to increase IDO1 activity in the brain, and the ideal time point to quantify the brain K:T ratio after LPS administration. We then used a brain penetrant tool compound, EOS200271, to validate the model, determine the optimal dosing profile and found that a complete rescue of the K:T ratio was possible with the tool compound. CONCLUSION: This LPS-based model of IDO1 target engagement is a useful tool that can be used in the development of brain penetrant IDO1 inhibitors for AD. A limitation of the present study is the lack of quantification of potential clinically relevant biomarkers in this model, which could be addressed in future studies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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) | 0,000 | 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 ».