Targeting AGAT gene expression – a drug screening approach for the treatment of GAMT deficiency
Notice bibliographique
Résumé
BACKGROUND: Targeting the enzyme L-Arginine:glycine amidinotransferase (AGAT) to reduce the formation of guanidinoacetate (GAA) in patients with guanidinoacetate methyltransferase (GAMT) deficiency, we attempted to identify drugs for repurposing that reduce the expression of AGAT via transcriptional inhibition. RESEARCH DESIGN AND METHODS: The authors applied a HeLa cell line stably expressing AGAT promoter and firefly luciferase reporter for high-content screening and secondary screening. For further assessment, the authors integrated Nanoluc luciferase as a reporter into the endogenous AGAT gene in HAP1 cell lines and used the human immortalized cell line RH30 as model of GAMT deficiency. RESULTS: Screening 6,000 drugs and drug-like compounds, the authors identified 43 and 34 high-score candidates as inhibitors and inducers of AGAT promoter-reporter expression, respectively. After further deselection considering dose response, drug toxicity, topical formulations, price, and accessibility, the authors assessed seven candidates and found none of them demonstrating efficacy in HAP1 and RH30 cells and warranting further assessment. CONCLUSION: The selection of the test models is crucial for screening of gene repressor drugs. Almost all drugs with an impact on gene expression had off-target effects. It is unlikely to find drugs that are selective inhibitors of AGAT expression, rendering pharmacological AGAT gene repression a risky approach for the treatment of GAMT deficiency.
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 | 0,000 | 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 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 ».