MétaCan
Menu
Retour à la cohorte
Enregistrement W4401821453 · doi:10.1016/j.isci.2024.110712

Molecular glue-mediated targeted protein degradation: A novel strategy in small-molecule drug development

2024· review· en· W4401821453 sur OpenAlexaff
Xueqiang Tan, Zuyi Huang, Hairun Pei, Zongchao Jia, Jimin Zheng

Notice bibliographique

RevueiScience · 2024
Typereview
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensQueen's University
Organismes subventionnairesnon disponible
Mots-clésSmall moleculeDrug discoveryComputational biologyDrug developmentChemistryProtein degradationMolecular bindingDrugNanotechnologyCell biologyBiologyBiochemistryMoleculeMaterials sciencePharmacology

Résumé

récupéré en direct d'OpenAlex

Small-molecule drugs are effective and thus most widely used. However, their applications are limited by their reliance on active high-affinity binding sites, restricting their target options. A breakthrough approach involves molecular glues, a novel class of small-molecule compounds capable of inducing protein-protein interactions (PPIs). This opens avenues to target conventionally undruggable proteins, overcoming limitations seen in conventional small-molecule drugs. Molecular glues play a key role in targeted protein degradation (TPD) techniques, including ubiquitin-proteasome system-based approaches such as proteolysis targeting chimeras (PROTACs) and molecular glue degraders and recently emergent lysosome system-based techniques like molecular degraders of extracellular proteins through the asialoglycoprotein receptors (MoDE-As) and macroautophagy degradation targeting chimeras (MADTACs). These techniques enable an innovative targeted degradation strategy for prolonged inhibition of pathology-associated proteins. This review provides an overview of them, emphasizing the clinical potential of molecular glues and guiding the development of molecular-glue-mediated TPD techniques.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Sans objet · Signal consensuel: aucune
GenreSignal candidat: Synthèse · Signal consensuel: Synthèse
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,008

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,000
Bibliométrie0,0020,002
Études des sciences et des technologies0,0000,001
Communication savante0,0010,001
Science ouverte0,0010,001
Intégrité de la recherche0,0010,002
Charge utile insuffisante (le modèle a refusé de juger)0,0020,002

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 Opus0,031
Tête enseignante GPT0,291
Écart entre enseignants0,261 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSans objet
Domainenon disponible
GenreSynthèse

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

En bref

Citations55
Publié2024
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueiScienceMême sujetProtein Degradation and InhibitorsTravaux en français237 207