MétaCan
Menu
Retour à la cohorte
Enregistrement W4394769841 · doi:10.1016/j.bmc.2024.117718

Expanding the ligand spaces for E3 ligases for the design of protein degraders

2024· article· en· W4394769841 sur OpenAlexfundno aff
Rahman Shah Zaib Saleem, Martin P. Schwalm, Stefan Knapp

Notice bibliographique

RevueBioorganic & Medicinal Chemistry · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensnon disponible
Organismes subventionnairesGenentechDeutsche ForschungsgemeinschaftGenome CanadaDeutscher Akademischer AustauschdienstDeutschen Konsortium für Translationale KrebsforschungOntario Genomics InstituteEuropean Federation of Pharmaceutical Industries and AssociationsMcGill UniversityInnovative Health InitiativeOntario GenomicsBayerPfizerDeutsches KrebsforschungszentrumBristol-Myers Squibb
Mots-clésDruggabilityUbiquitin ligaseUbiquitinComputational biologyChemistryDrug discoverySmall moleculeUbiquitin-Protein LigasesDNA ligaseLigand (biochemistry)BiologyBiochemistryReceptorEnzymeGene

Résumé

récupéré en direct d'OpenAlex

Targeted protein degradation (TPD) has recently emerged as an exciting new drug modality. However, the strategy of developing small molecule-based protein degraders has evolved over the past two decades and has now established molecular tags that are already in clinical use, as well as chimeric molecules, PROteolysis TArgeting Chimeras (PROTACs), based mainly on ligand systems developed for the two E3 ligases CRBN and VHL. The large size of the human E3 ligase family suggests that PROTACs can be developed by targeting a large diversity of E3 ligases, some of which have restricted expression patterns with the potential to design disease- or tissue-specific degraders. Indeed, many new E3 ligands have been published recently, confirming the druggability of E3 ligases. This review summarises recent data on E3 ligases and highlights the challenges in developing these molecules into efficient PROTACs rivalling the established degrader systems.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,317
Score d'incertitude au seuil0,350

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,027
Tête enseignante GPT0,280
Écart entre enseignants0,252 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations30
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBioorganic & Medicinal ChemistryMême sujetProtein Degradation and InhibitorsTravaux en français237 207