G protein-coupled receptor (GPCR) pharmacogenomics
Notice bibliographique
Résumé
The field of pharmacogenetics, the investigation of the influence of one or more sequence variants on drug response phenotypes, is a special case of pharmacogenomics, a discipline that takes a genome-wide approach. Massively parallel, next generation sequencing (NGS), has allowed pharmacogenetics to be subsumed by pharmacogenomics with respect to the identification of variants associated with responders and non-responders, optimal drug response, and adverse drug reactions. A plethora of rare and common naturally-occurring GPCR variants must be considered in the context of signals from across the genome. Many fundamentals of pharmacogenetics were established for G protein-coupled receptor (GPCR) genes because they are primary targets for a large number of therapeutic drugs. Functional studies, demonstrating likely-pathogenic and pathogenic GPCR variants, have been integral to establishing models used for in silico analysis. Variants in GPCR genes include both coding and non-coding single nucleotide variants and insertion or deletions (indels) that affect cell surface expression (trafficking, dimerization, and desensitization/downregulation), ligand binding and G protein coupling, and variants that result in alternate splicing encoding isoforms/variable expression. As the breadth of data on the GPCR genome increases, we may expect an increase in the use of drug labels that note variants that significantly impact the clinical use of GPCR-targeting agents. We discuss the implications of GPCR pharmacogenomic data derived from the genomes available from individuals who have been well-phenotyped for receptor structure and function and receptor-ligand interactions, and the potential benefits to patients of optimized drug selection. Examples discussed include the renin-angiotensin system in SARS-CoV-2 (COVID-19) infection, the probable role of chemokine receptors in the cytokine storm, and potential protease activating receptor (PAR) interventions. Resources dedicated to GPCRs, including publicly available computational tools, are also discussed.
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 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,002 | 0,002 |
| 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 ».