リガンドの同定とは何ですか？
Ligand Identification リガンドの同定 - Additionally, for ligand identification and optimization purposes, DrugSpaceX also provides several subsets for download, including a 10% diversity subset, an extended drug-like subset, a drug-like subset, a lead-like subset, and a fragment-like subset. [1] Ligand identification can be aided by automatic methods such as CheckMyBlob, a machine learning algorithm that learns to generalize ligand descriptions from sets of moieties deposited in the Protein Data Bank. [2] The current translation of peptides identified through the one-bead one-compound (OBOC) technology into positron emission tomography (PET) imaging agents is a slow process, with a major delay between ligand identification and subsequent lead optimization. [3] GENERAL SIGNIFICANCE With the comparison of two methods, MS-based ligand identification and molecular modelling, we have shown the current limitations of our molecular understanding of complex ligand binding which is could be due to the numerical inaccessibility of ligand-induced protein conformational changes. [4] ” The reference citation at the end of the first sentence of the second paragraph of the subsection ‘A perspective on current methods of ligand identification’ was incorrect; the correct citation is “. [5] The ligand identifications through structural similarity searching and peptide library screening in this study imply that although hGas7-SH3 adopts a typical SH3 fold, it probably possesses distinctive ligand-binding specificity. [6] Ligand identification can be aided by automatic methods, but existing approaches are based on time‐consuming iterative fitting. [7] Ligands of many ORs and some GRs and IRs have been identified; however, ligand identification for many more chemoreceptors is needed, as are structures for the OR/GR superfamily, to improve our understanding of the molecular evolution of these ecologically important receptors in arthropods. [8]さらに、リガンドの同定と最適化の目的では、Drugspacexは、10％の多様性サブセット、拡張薬物のようなサブセット、薬物のようなサブセット、鉛様サブセット、フラグメントのようなサブセットなど、ダウンロード用のいくつかのサブセットも提供します。 [1] リガンドの識別は、Protein Data Bankに堆積した部分のセットからリガンドの説明を一般化することを学ぶ機械学習アルゴリズムであるCheckMyBlobなどの自動メソッドによって支援できます。 [2] 現在、1 ビーズ 1 化合物 (OBOC) 技術によって同定されたペプチドを陽電子放出断層撮影 (PET) 造影剤に変換するプロセスは遅く、リガンドの同定とそれに続くリードの最適化の間に大きな遅れがあります。 [3] 一般的な重要性 MS ベースのリガンド同定と分子モデリングの 2 つの方法を比較することで、複雑なリガンド結合の分子的理解の現在の限界を示しました。 [4] サブセクション「リガンド同定の現在の方法に関する展望」の第 2 段落の最初の文の末尾にある参照の引用は正しくありませんでした。正しい引用は「. [5] この研究における構造的類似性検索およびペプチド ライブラリー スクリーニングによるリガンド同定は、hGas7-SH3 が典型的な SH3 フォールドを採用しているにもかかわらず、おそらく独特のリガンド結合特異性を持っていることを意味します。 [6] リガンドの同定は自動手法で支援できますが、既存のアプローチは時間のかかる反復フィッティングに基づいています。 [7] 多くの OR といくつかの GR および IR のリガンドが特定されています。ただし、節足動物におけるこれらの生態学的に重要な受容体の分子進化の理解を深めるためには、OR / GRスーパーファミリーの構造と同様に、さらに多くの化学受容体のリガンド同定が必要です。 [8]
Automated Ligand Identification
An automated ligand identification system screen afforded the tetrahydroquinoline class of novel IDO1 inhibitors. [1] Here we used the Automated Ligand Identification System (ALIS), an affinity selection–mass spectrometry method, to identify compounds that bind to the Myc G4 out of a pool of compounds that had previously been shown to inhibit Myc expression in a reporter screen. [2] To investigate the druggability of RNAs with small molecules, we have employed affinity mass spectrometry, using the Automated Ligand Identification System (ALIS), to screen 42 RNAs from a variety of RNA classes, each against an array of chemically diverse drug-like small molecules (~50,000 compounds) and functionally annotated tool compounds (~5100 compounds). [3]自動リガンド識別システムスクリーンにより、新規IDO1阻害剤のテトラヒドロキノリンクラスが得られました。 [1] ここでは、アフィニティー選択質量分析法である Automated Ligand Identification System (ALIS) を使用して、レポータースクリーニングで Myc 発現を阻害することが以前に示された化合物のプールから Myc G4 に結合する化合物を特定しました。 [2] 小分子を含む RNA のドラッグ可能性を調査するために、Automated Ligand Identification System (ALIS) を使用したアフィニティー質量分析法を採用し、さまざまな RNA クラスから 42 の RNA をスクリーニングし、それぞれが化学的に多様な薬物のような小分子の配列に対してスクリーニングしました。 (約 50,000 の化合物) および機能的に注釈が付けられたツールの化合物 (約 5,100 の化合物)。 [3]
Mhc Ligand Identification
Such algorithms are generally not tailored to the specific requirements of MHC ligand identification and, as a consequence, immunopeptidomics datasets suffer from dismissal of informative spectral information and high false discovery rates. [1] As a matter of fact, the vast majority of T cell epitopes discovered during the past two decades was identified by means of epitope prediction and MHC ligand identification. [2]このようなアルゴリズムは一般に、MHC リガンド同定の特定の要件に合わせて調整されておらず、結果として、免疫ペプチドミクス データセットは、有益なスペクトル情報と高い誤発見率の却下に悩まされています。 [1] 実際のところ、過去 20 年間に発見された T 細胞エピトープの大部分は、エピトープ予測と MHC リガンド同定によって同定されました。 [2]
ligand identification system
An automated ligand identification system screen afforded the tetrahydroquinoline class of novel IDO1 inhibitors. [1] Here we used the Automated Ligand Identification System (ALIS), an affinity selection–mass spectrometry method, to identify compounds that bind to the Myc G4 out of a pool of compounds that had previously been shown to inhibit Myc expression in a reporter screen. [2] We recently reported the adaptation of an affinity selection mass spectrometry screening technique, termed ALIS (Automatic Ligand Identification System), to screen and characterize a variety of RNA species from both prokaryotic and eukaryotic sources. [3] To investigate the druggability of RNAs with small molecules, we have employed affinity mass spectrometry, using the Automated Ligand Identification System (ALIS), to screen 42 RNAs from a variety of RNA classes, each against an array of chemically diverse drug-like small molecules (~50,000 compounds) and functionally annotated tool compounds (~5100 compounds). [4]自動リガンド識別システムスクリーンにより、新規IDO1阻害剤のテトラヒドロキノリンクラスが得られました。 [1] ここでは、アフィニティー選択質量分析法である Automated Ligand Identification System (ALIS) を使用して、レポータースクリーニングで Myc 発現を阻害することが以前に示された化合物のプールから Myc G4 に結合する化合物を特定しました。 [2] 私たちは最近、原核生物と真核生物の両方のソースからさまざまな RNA 種をスクリーニングして特徴付けるために、ALIS (自動リガンド同定システム) と呼ばれるアフィニティ選択質量分析スクリーニング技術の適応を報告しました。 [3] 小分子を含む RNA のドラッグ可能性を調査するために、Automated Ligand Identification System (ALIS) を使用したアフィニティー質量分析法を採用し、さまざまな RNA クラスから 42 の RNA をスクリーニングし、それぞれが化学的に多様な薬物のような小分子の配列に対してスクリーニングしました。 (約 50,000 の化合物) および機能的に注釈が付けられたツールの化合物 (約 5,100 の化合物)。 [4]