MétaCan
Menu
Retour à la cohorte
Enregistrement W4405323449 · doi:10.1038/s44320-024-00081-2

A split intein and split luciferase-coupled system for detecting protein-protein interactions

2024· article· en· W4405323449 sur OpenAlexafffund
Zhong Yao, Betty Geng, Jinkun Chen, Victoria Wong, Anna Lyakisheva, Jamie S. Snider, Marina Rudan Dimlić, Sanda Raić, Igor Štagljar

Notice bibliographique

RevueMolecular Systems Biology · 2024
Typearticle
Langueen
DomaineBiochemistry, Genetics and Molecular Biology
ThématiqueProtein Degradation and Inhibitors
Établissements canadiensPublic Health OntarioUniversity of Toronto
Organismes subventionnairesOntario GenomicsGenome Canada
Mots-clésInteinComputational biologyDrug discoveryRNA splicingBiologyOperabilityCombinatorial chemistryComputer scienceBioinformaticsChemistryBiochemistrySoftware engineering

Résumé

récupéré en direct d'OpenAlex

Elucidation of protein-protein interactions (PPIs) represents one of the most important methods in biomedical research. Recently, PPIs have started to be exploited for drug discovery purposes and have thus attracted much attention from both the academic and pharmaceutical sectors. We previously developed a sensitive method, Split Intein-Mediated Protein Ligation (SIMPL), for detecting binary PPIs via irreversible splicing of the interacting proteins being investigated. Here, we incorporated tripart nanoluciferase (tNLuc) into the system, providing a luminescence signal which, in conjunction with homogenous liquid phase operation, improves the quantifiability and operability of the assay. Using a reference PPI set, we demonstrated an improvement in both sensitivity and specificity over the original SIMPL assay. Moreover, we designed the new SIMPL-tNLuc ('SIMPL2') platform with an inherent modularity allowing for flexible measurement of molecular modulators of target PPIs, including inhibitors, molecular glues and PROTACs. Our results demonstrate that SIMPL2 is a sensitive, cost- and labor-effective tool suitable for high-throughput screening (HTS) in both PPI mapping and drug discovery applications.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,205
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,010
Tête enseignante GPT0,264
Écart entre enseignants0,254 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations6
Publié2024
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueMolecular Systems BiologyMême sujetProtein Degradation and InhibitorsTravaux en français237 207