MétaCan
Menu
Retour à la cohorte
Enregistrement W4415093753 · doi:10.1021/acs.jmedchem.5c01467

Use of P450 Enzymes for Late-Stage Functionalization in Drug Discovery

2025· article· en· W4415093753 sur OpenAlexaff
Vincent Kwok‐Man Poon, Christopher Bailey, Sandra Carvalho, Stephen Patterson, James W. B. Fyfe, Olga Semenova, Stephen K. Wrigley, Ravi Manohar, Christopher L. Drake, Tetsuo Kokubun, John Boyle, Lisbet Kværnø, Karl F. Hoffmann, Josephine Forde-Thomas, Susan Wyllie, Jonathan Steele, Ian H. Gilbert, Gary J. Tarver

Notice bibliographique

RevueJournal of Medicinal Chemistry · 2025
Typearticle
Langueen
DomainePharmacology, Toxicology and Pharmaceutics
ThématiquePharmacogenetics and Drug Metabolism
Établissements canadiensDiscovery Centre
Organismes subventionnairesWellcome Trust
Mots-clésDrug discoveryHydroxylationChemical synthesisEnzymeMetabolic stabilityHigh-throughput screeningDrugBiocatalysis

Résumé

récupéré en direct d'OpenAlex

Abstract Herein, we demonstrate the use of a commercially available enzymatic kit to achieve late-stage hydroxylation of biologically relevant compounds by using the PolyCYPs screening kit. A selection of promising biotransformations were scaled up, products isolated, and structures elucidated. Isolated compounds were screened against a range of pathogens, namely, Schistosoma mansoni, Leishmania donovani, Trypanosoma cruzi, and Trypanosoma brucei to obtain biological data. This approach has allowed data generation more efficiently than the chemical synthesis of the same molecules. Importantly, it has been demonstrated that production of hits of interest can also be scaled up to enable further study. We also demonstrate the biosynthetic synthesis of a lead compound in fewer steps than using standard synthetic chemistry, offering faster access to compounds for screening or further transformation. This approach has the potential to save time and resources in a drug discovery program, by reducing the necessity to synthesize late-stage intermediates and develop new chemistry.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,001
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Méthodes · Signal consensuel: Méthodes
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,015

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0010,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,000
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0000,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0040,002

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.

Tête enseignante Opus0,104
Tête enseignante GPT0,433
Écart entre enseignants0,329 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Medicinal ChemistryMême sujetPharmacogenetics and Drug MetabolismTravaux en français237 207