Drug repurposing approach for the discovery of therapeutic agents for Crohn’s disease-associated intestinal fibrosis
Notice bibliographique
Résumé
BACKGROUND AND AIMS: Intestinal fibrosis in Crohn's disease (CD) frequently leads to stricture formation, with current treatment options limited to endoscopic balloon dilation and surgery. This underscores the urgent need for anti-fibrotic therapies. Our objective was to identify therapeutic targets and compounds capable of reversing the fibrotic gene expression profile of mucosal fibroblasts in CD. METHODS: We derived a fibrotic gene signature via fibroblasts isolated from stricturing CD tissue and conducted a meta-regression analysis across three publicly available transcriptomic datasets, to identify key differentially expressed genes (DEGs) in fibrostenotic CD. Drug repurposing platforms (iLINCS, L1000, CLUE-io) were implemented to screen compounds with high druggability, for their potential to reverse this pro-fibrotic profile. Transcription factors, microRNAs, and drugs targeting the fibrostenotic signature were identified using the TRRUST, miRWalk, and DGIdb databases, ultimately forming a drug-gene interaction network. The STITCH platform was used to predict compound-protein binding affinities. Promising compounds were subsequently evaluated in vitro, using mucosal fibroblasts derived from fibrostenotic CD patients, and the effect on the expression of selected protein targets was measured via ELISA and immunofluorescence staining. RESULTS: The top upregulated DEGs included fibroblast activation protein (FAP), IL-7 receptor, and transcription factor AP-2 gamma. The drug-gene interaction network analysis identified IL-6 among the most druggable targets. Of 6783 pharmaceutical agents, PI3K inhibitors and histone deacetylase blockers were the most effective in reversing the fibrotic signature via a FAP- and IL-6-dependent mechanism. CONCLUSION: This integrative approach identified potential anti-fibrotic compounds and molecular targets in CD-associated fibrostenosis, supporting future development of effective therapies.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,002 |
| Bibliométrie | 0,003 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».