The Development of Selective Chemical Probes for Serine Arginine Protein Kinase 3
Notice bibliographique
Résumé
ABSTRACT The serine arginine protein kinases (SRPKs) are a family of kinases whose irregular function is implicated in cancer and viral infections. While the roles of SRPK1 and SRPK2 in disease are well established, much less is known about SRPK3. There are several studies implicating SRPK3 in breast cancer, but the mechanism is still unknown. This work describes the first‐reported SRPK3 chemical probes that show excellent selectivity over the other SRPKs. 1‐(4‐cyanophenyl)‐3‐phenylurea was identified as an initial hit for SRPK3 through a kinase screen. Subsequent rounds of in silico docking, medicinal chemistry optimization, and biochemical assays were performed to increase its potency and selectivity for SRPK3. Six top compounds were identified that displayed single digit micromolar IC 50 values in SRPK3 activity assays and negligible inhibition of SRPK1 or SRPK2. These six compounds demonstrated impairment of breast cancer cell viability that correlated with their biochemical IC 50 values, suggesting that they can be used as tools to study the biological functions of SRPK3 in breast cancer. With an enhanced understanding of SRPK3's biological function, it may emerge as a meaningful drug target, wherein our top inhibitors could be further optimized to produce novel cancer therapeutics.
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 ».