MétaCan
Menu
Retour à la cohorte
Enregistrement W4400807094 · doi:10.1021/acs.jmedchem.4c00922

Rational <i>In Silico</i> Design of Selective TMPRSS6 Peptidomimetic Inhibitors via Exploitation of the S2 Subpocket

2024· article· en· W4400807094 sur OpenAlexafffund
Michael Desgagné, Antoine Désilets, Sára Ferková, Matthieu Lepage, Olivier Perreault, Alexandre Joushomme, Gabriel Lemieux, Walid Guerrab, Ulrike Froehlich, Christian Comeau, Philippe Sarret, Richard Leduc, Pierre‐Luc Boudreault

Notice bibliographique

RevueJournal of Medicinal Chemistry · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueChemical Synthesis and Analysis
Établissements canadiensUniversité de Sherbrooke
Organismes subventionnairesFonds de Recherche du Québec - SantéCanadian Institutes of Health Research
Mots-clésPeptidomimeticIn silicoChemistryRational designComputational biologyCombinatorial chemistryStructure–activity relationshipStereochemistryPharmacologyBiochemistryPeptideIn vitroGeneticsGeneBiology

Résumé

récupéré en direct d'OpenAlex

TMPRSS6 is a potential therapeutic target for the treatment of iron overload due to its role in regulating levels of hepcidin. Although potent TMPRSS6 inhibitors have been previously developed, their lack of specificity requires optimization to avoid potential side effects before pursuing preclinical development with in vivo models. Here, using computer-aided drug design based on a TMPRSS6 homology model, we reveal that the S2 position of TMPRSS6 offers a potential avenue to achieve selectivity against other members of the TTSP family. Accordingly, we synthesized novel peptidomimetic molecules containing lipophilic amino acids at the P2 position to exploit this unexplored pocket. This enabled us to identify TMPRSS6-selective small molecules with low nanomolar affinity. Finally, pharmacokinetic parameters were determined, and a compound was found to be potent in cellulo toward its primary target while retaining TTSP-subtype selectivity and showing no signs of alteration in in vitro TEER experiments.

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)0,001
score de la tête « metaresearch » (Gemma)0,000
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 enseignants0,005
Score d'incertitude au seuil0,281

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
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 Opus0,007
Tête enseignante GPT0,233
Écart entre enseignants0,226 · 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

Citations9
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueJournal of Medicinal ChemistryMême sujetChemical Synthesis and AnalysisTravaux en français237 207