A Hit Prioritization Strategy for Compound Library Screening Using LiP-MS and Molecular Dynamics Simulations Applied to KRas G12D Inhibitors
Notice bibliographique
Résumé
An important step in screening small-molecule libraries for drug discovery is hit prioritization and validation in order to rule out false positives. This is usually performed using biochemical and biophysical assays, so the development of orthogonal assays that are highly sensitive and can accelerate the hit-to-lead process would be valuable. Limited proteolysis combined with mass spectrometry (LiP-MS) is a technique used to study changes in protein structure upon ligand binding. In LiP-MS, proteins are exposed to low concentrations of proteases under native conditions. The resulting proteolytic patterns are sensitive to the protein structure near the cleavage site, which can change upon ligand binding. We have characterized the interaction of small-molecule inhibitors of the KRas G12D mutant oncoprotein by LiP-MS combined with molecular dynamics (MD). Intact mass spectrometry and top-down analysis were used to detect and identify KRas G12D cleavage products in the presence and absence of inhibitors, thereby locating the cleavage sites within the protein. Cleavage sites that were found to be protected upon compound binding correlated well with the switch II binding site. The degree of cleavage depended on the binding affinity and the presence of specific functional groups in the inhibitor's structure. A comparison of MD simulations for the ligand-free and ligand-bound proteins revealed the atomistic mechanisms by which the cleavage sites, located in flexible and disordered regions, were stabilized upon compound binding. We suggest that LiP-MS combined with MD (LiP-MS-MD) could be valuable in small-molecule screening campaigns and can be added to the current list of methods for high-quality hit selection in early stage drug discovery.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| 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 ».