Non-Carbohydrate Inhibitors of Sialic Acid-binding Immunomodulatory-type Lectin-7 (Siglec-7) Discovered from Genetically Encoded Bicyclic Peptide Libraries
Notice bibliographique
Résumé
ABSTRACT Glycan-binding proteins (GBP) are among the most difficult to drug targets. This deficiency delays clinical progress for therapeutically important GBPs. We employed bicyclic genetically encoded libraries (BiGELs), produced by chemical modification of phage-displayed libraries of peptides with two-fold symmetric linchpins, to discover inhibitors of therapeutically relevant Siglec-7:GD3 interactions. Next-generation sequencing (NGS) analysis of panning of BiGEL against Siglec-7 yielded 815 candidates from which 23 hits yielded K D = 1−100 µM as determined by surface plasmon resonance (SPR). Competitive enzyme-linked immunosorbent assays (ELISA) identified a subset of leads that disrupted the Siglec-7:GD3 interaction with IC 50 = 3−300 µM. Machine learning models trained on NGS datasets identified additional inhibitors with equivalent potency. Alanine scans of 8c (SWCRPATVNC, IC 50 = 3.8 µM) and 12c (SFCHYPTHVC, IC 50 = 11 µM), identified key residues as crucial for activity. Ring reshaping studies of compound 8c highlighted the critical role of bicyclic topology produced by analogue 46e (SAAAAAWCRPATVNC, IC 50 = 9.5 µM). Multivalent display of the lead bicycles alongside ∼100 glycans in Liquid glycan Array (LiGA), made it possible to compare the binding of bicycles and glycans to Siglec-7 expressed on CHO, Jurkat, and Raji cells. LiGA assays confirmed binding of the bicycles to Siglec-7 but revealed considerable non-specific interactions with receptor-negative cells. Saturation transfer difference nuclear magnetic resonance (STD-NMR) revealed 46e binds to Siglec-7 at a site distinct from the V-Ig domain, suggesting it might inhibit binding of glycans to the glycan-binding site of Siglec-7 via an allosteric site. Together these results demonstrate that BiGEL enables the discovery of bicyclic peptides for undruggable Siglec targets but highlights future challenges in molecular discoveries that aim to identify small, non-carbohydrate inhibitors of GBPs.
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 | 0,000 |
| 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) | 0,001 | 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 ».