Development of a genetically encoded and potent PDE6D inhibitor
Notice bibliographique
Résumé
Abstract PDE6D is a trafficking chaperone of prenylated proteins, such as small GTPases. Several small molecule inhibitors have been developed against it, given that the oncogene K-Ras is one of the cargo proteins. Inhibitor development suffered from the fact that inhibitors against the hydrophobic pocket of PDE6D were typically poorly water-soluble. Here we describe the development of genetically encoded inhibitors that are inspired by high-affinity natural cargo of PDE6D. Our most potent inhibitor, SNAP-STI, encodes merely a farnesylated tetra-peptide, which efficiently blocks PDE6D binding of farnesylated cargo. Direct comparison with small molecule PDE6D inhibitors suggests its higher potency. We show that inhibition of K-Ras membrane anchorage and K-RasG12C-dependent MAPK-signaling by SNAP-STI is weak, consistent with what is observed after PDE6D knockdown. Our data therefore further support that PDE6D is not a suitable surrogate target for efficient inhibition of K-Ras membrane anchorage and MAPK-activity. Nonetheless, by exploiting contacts at the pocket entry, we established a generalizable strategy to design high-affinity PDE6D inhibitors, providing powerful tools for PDE6D biology and target validation.
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 | 0,001 |
| 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 ».