Disrupting TSLP–TSLP receptor interactions via putative small molecule inhibitors yields a novel and efficient treatment option for atopic diseases
Notice bibliographique
Résumé
Thymic stromal lymphopoietin (TSLP) is a key player in atopic diseases, which has sparked great interest in therapeutically targeting TSLP. Yet, no small-molecule TSLP inhibitors exist due to the challenges of disrupting the protein-protein interaction between TSLP and its receptor. Here, we report the development of small-molecule TSLP receptor inhibitors using virtual screening and docking of >1,000,000 compounds followed by iterative chemical synthesis. BP79 emerged as our lead compound that effectively abrogates TSLP-triggered cytokines at low micromolar concentrations. For in-depth analysis, we developed a human atopic disease drug discovery platform using multi-organ chips. Here, topical application of BP79 onto atopic skin models that were co-cultivated with lung models and Th2 cells effectively suppressed immune cell infiltration and IL-13, IL-4, TSLP, and periostin secretion, while upregulating skin barrier proteins. RNA-Seq analysis corroborate these findings and indicate protective downstream effects on the lungs. To the best of our knowledge, this represents the first report of a potent putative small molecule TSLPR inhibitor which has the potential to expand the therapeutic and preventive options in atopic diseases.
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) | 0,000 | 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 ».