A High-Throughput Method for Screening Peptide Activators of G-Protein-Coupled Receptors
Notice bibliographique
Résumé
Here, we describe an innovative and efficient method for screening peptide activators of G-protein-coupled receptors (GPCRs) utilizing a protein-protein interaction (PPI) approach. We designed a library of 92,918 peptides fused with transmembrane domains of glycosylphosphatidylinositol-anchored proteins (GPI-APs). We employed a pooled lentiviral system to promote the expression of these proteins at the cellular membrane and evaluate their ability to activate GPCRs. We then used fluorescence-activated cell sorting (FACS) to screen the GPI-AP-peptide library and identify novel peptide activators of the glucagon-like peptide-1 receptor (GLP-1R). We discovered one peptide PepA3 derived from the Frizzled-like (FZ) domain of human Carboxypeptidase Z (CPZ), a regulated secreted metallocarboxypeptidase. Notably, PepA3 and its two related variants, PepA and PepA2, activated the GLP-1R receptor with less potency but comparable efficacy to that of GLP-1. We then hypothesized that all of these peptides will bind differently to the GLP-1R than the normal ligand. Our technology could identify novel GPCR-activating peptides for structure-function or drug discovery research.
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 ».