Engineering synthetic and recombinant human lysosomal β-glucocerebrosidase for enzyme replacement therapy for Gaucher disease
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Gaucher Disease (GD) is an autosomal recessive, lysosomal storage disease caused by pathogenic variants in the glucocerebrosidase gene, leading to the loss of β-glucocerebrosidase (GCase) enzymatic activity. Enzyme replacement therapy (ERT) with recombinant GCase is the standard of care in GD patients. Our study investigates the combined use of in silico molecular evolution, synthetic biology and gene therapy approaches to develop a new synthetic recombinant enzyme. We engineered four GCases containing missense mutations in the signal peptide (SP) from four selected mammalian species, and compared them with human GCase without missense mutations in the SP. We investigated transcriptional regulation with CMV and hEF1a promoters alongside a GFP control construct in 293-FT human cells. One hEF1a-driven mutant GCase shows a 5.2-fold higher level of transcription than control GCase. In addition, this mutant exhibits up to a sixfold higher activity compared with the mock-control, and the predicted tertiary structure of this mutant GCase aligns with human GCase. We also evaluated conserved and coevolved residues mapped to functionally important positions. Further studies are needed to assess its functionality in a GD animal model. Altogether, our findings provide in vitro evidence of the potential of this engineered enzyme for improved therapeutic effects for GD. Article highlights. Conservation and coevolution analysis of amino acid frequencies in GBA1 homologs of pathogenic variants associated with Gaucher disease, Parkinson’ disease risk or Dementia with Lewy bodies risk.
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.
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 | 0,000 |
| 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 découle