KCNE4-dependent modulation of Kv1.3 pharmacology
Notice bibliographique
Résumé
The voltage-dependent potassium channel Kv1.3 is a promising therapeutic target for the treatment of autoimmune and chronic inflammatory disorders. Kv1.3 blockers are effective in treating multiple sclerosis (fampridine) and psoriasis (dalazatide). However, most Kv1.3 pharmacological antagonists are not specific enough, triggering potential side effects and limiting their therapeutic use. Functional Kv are oligomeric complexes in which the presence of ancillary subunits shapes their function and pharmacology. In leukocytes, Kv1.3 associates with KCNE4, which reduces the surface abundance and enhances the inactivation of the channel. This mechanism exerts profound consequences on Kv1.3-related physiological responses. Because KCNE peptides alter the pharmacology of Kv channels, we studied the effects of KCNE4 on Kv1.3 pharmacology to gain insights into pharmacological approaches. To that end, we used margatoxin, which binds the channel pore from the extracellular space, and Psora-4, which blocks the channel from the intracellular side. While KCNE4 apparently did not alter the affinity of either margatoxin or Psora-4, it slowed the inhibition kinetics of the latter in a stoichiometry-dependent manner. The results suggested changes in the Kv1.3 architecture in the presence of KCNE4. The data indicated that while the outer part of the channel mouth remains unaffected, KCNE4 disturbs the intracellular architecture of the complex. Various leukocyte types expressing different Kv1.3/KCNE4 configurations participate in the immune response. Our data provide evidence that the presence of these variable architectures, which affect both the structure of the complex and their pharmacology, should be considered when developing putative therapeutic approaches.
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 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».