Computer-Aided Identification and Design of Ligands for Multi-Targeting Inhibition of a Molecular Acute Myeloid Leukemia Network
Notice bibliographique
Résumé
BACKGROUND/OBJECTIVES: Acute myeloid leukemia (AML) is characterized by therapeutic failure and long-term risk for disease relapses. As several therapeutic targets participate in networks, they can rewire to eventually evade single-target drugs. Hence, multi-targeting approaches are considered on the expectation that interference with many different components could synergistically hinder activation of alternative pathways and demolish the network one-off, leading to complete disease remission. METHODS: Herein, we established a network-based, computer-aided approach for the rational design of drug combinations and de novo agents that interact with many AML network components simultaneously. RESULTS: A reconstructed AML network guided the selection of suitable protein hubs and corresponding multi-targeting strategies. For proteins responsive to existing drugs, a greedy algorithm identified the minimum amount of compounds targeting the maximum number of hubs. We predicted permissible combinations of amiodarone, artenimol, fostamatinib, ponatinib, procaine, and vismodegib that interfere with 3-8 hubs, and we elucidated the pharmacological mode of action of procaine on DNMT3A. For proteins that do not respond to any approved drugs, namely cyclins A1, D2, and E1, we used structure-based de novo drug design to generate a novel triple-targeting compound of the chemical formula C15H15NO5, with favorable pharmacological and drug-like properties. CONCLUSIONS: Overall, by integrating network and structural pharmacology with molecular modeling, we determined two complementary strategies with the potential to annihilate the AML network, one in the form of repurposable drug combinations and the other as a de novo synthesized triple-targeting agent. These target-drug interactions could be prioritized for preclinical and clinical testing toward precision medicine for AML.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| 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) | 0,002 | 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 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 ».