Converting the Amyloidogenic Islet Amyloid Polypeptide into a Potent Nonaggregating Peptide Ligand by Side Chain-to-Side Chain Macrocyclization
Notice bibliographique
Résumé
The islet amyloid polypeptide (IAPP), also known as amylin, is a hormone playing key physiological roles. However, its aggregation and deposition in the pancreatic islets are associated with type 2 diabetes. While this peptide adopts mainly a random coil structure in solution, its secondary conformational conversion into α-helix represents a critical step for receptor activation and contributes to amyloid formation and associated cytotoxicity. Considering the large conformational landscape and high amyloidogenicity of the peptide, as well as the complexity of the self-assembly process, it is challenging to delineate the delicate interplay between helical folding, peptide aggregation, and receptor activation. In the present study, we probed the roles of helical folding on the function-toxicity duality of IAPP by restricting its conformational ensemble through side chain-to-side chain stapling via azide–alkyne cycloaddition. Intramolecular macrocyclization ( i; i + 4) constrained IAPP into α-helix and inhibited its aggregation into amyloid fibrils. These helical derivatives slowed down the self-assembly of unmodified IAPP. Site-specific macrocyclization modulated the capacity of IAPP to perturb lipid bilayers and cell plasma membrane and reduced, or even fully inhibited, the cytotoxicity associated with aggregation. Furthermore, the α-helical IAPP analogs showed moderate to high potency toward cognate G protein-coupled receptors. Overall, these results indicate that macrocyclization represents a promising strategy to protect an amyloidogenic peptide hormone from aggregation and associated toxicity, while maintaining high receptor activity.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 ».