Identifying novel aryl hydrocarbon receptor (AhR) modulators from clinically approved drugs: In silico screening and In vitro validation
Notice bibliographique
Résumé
The aryl hydrocarbon receptor (AhR) functions as a vital ligand-activated transcription factor, governing both physiological and pathophysiological processes. Notably, it responds to xenobiotics, leading to a diverse array of outcomes. In the context of drug repurposing, we present here a combined approach of utilizing structure-based virtual screening and molecular dynamics simulations. This approach aims to identify potential AhR modulators from Drugbank repository of clinically approved drugs. By focusing on the AhR PAS-B binding pocket, our screening protocol included binding affinities calculations, complex stability, and interactions within the binding site as a filtering method. Comprehensive evaluations of all DrugBank small molecule database revealed ten promising hits. This included flibanserin, butoconazole, luliconazole, naftifine, triclabendazole, rosiglitazone, empagliflozin, benperidol, nebivolol, and zucapsaicin. Each exhibiting diverse binding behaviors and remarkably very low binding free energy. Experimental studies further illuminated their modulation of AhR signaling, and showing that they are consistently reducing AhR activity, except for luliconazole, which intriguingly enhances the AhR activity. This work demonstrates the possibility of using computational modelling as a quick screening tool to predict new AhR modulators from extensive drug libraries. Importantly, these findings hold immense therapeutic potential for addressing AhR-associated disorders. Consequently, it offers compelling prospects for innovative interventions through drug repurposing.
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) | 0,002 | 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 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 ».