清晨好,您是今天最早来到科研通的研友!由于当前在线用户较少,发布求助请尽量完整的填写文献信息,科研通机器人24小时在线,伴您科研之路漫漫前行!

Degradation‐Based Protein Profiling: A Case Study of Celastrol

雷公藤醇 蛋白质组学 计算生物学 蛋白质降解 药物发现 化学 生物 生物化学 基因 细胞凋亡
作者
Zhihao Ni,Yi Shi,Qianlong Liu,L Wang,Xiuyun Sun,Yu Rao
出处
期刊:Advanced Science [Wiley]
卷期号:11 (25) 被引量:7
标识
DOI:10.1002/advs.202308186
摘要

Abstract Natural products, while valuable for drug discovery, encounter limitations like uncertainty in targets and toxicity. As an important active ingredient in traditional Chinese medicine, celastrol exhibits a wide range of biological activities, yet its mechanism remains unclear. In this study, they introduced an innovative “Degradation‐based protein profiling (DBPP)” strategy, which combined PROteolysis TArgeting Chimeras (PROTAC) technology with quantitative proteomics and Immunoprecipitation‐Mass Spectrometry (IP‐MS) techniques, to identify multiple targets of natural products using a toolbox of degraders. Taking celastrol as an example, they successfully identified its known targets, including inhibitor of nuclear factor kappa B kinase subunit beta (IKKβ), phosphatidylinositol‐4,5‐bisphosphate 3‐kinase catalytic subunit alpha (PI3Kα), and cellular inhibitor of PP2A (CIP2A), as well as potential new targets such as checkpoint kinase 1 (CHK1), O‐GlcNAcase (OGA), and DNA excision repair protein ERCC‐6‐like (ERCC6L). Furthermore, the first glycosidase degrader is developed in this work. Finally, by employing a mixed PROTAC toolbox in quantitative proteomics, they also achieved multi‐target identification of celastrol, significantly reducing costs while improving efficiency. Taken together, they believe that the DBPP strategy can complement existing target identification strategies, thereby facilitating the rapid advancement of the pharmaceutical field.
最长约 10秒,即可获得该文献文件

科研通智能强力驱动
Strongly Powered by AbleSci AI
科研通是完全免费的文献互助平台,具备全网最快的应助速度,最高的求助完成率。 对每一个文献求助,科研通都将尽心尽力,给求助人一个满意的交代。
实时播报
小强完成签到 ,获得积分10
4秒前
量子星尘发布了新的文献求助10
12秒前
量子星尘发布了新的文献求助10
19秒前
川藏客完成签到 ,获得积分10
23秒前
量子星尘发布了新的文献求助10
38秒前
房天川完成签到 ,获得积分10
44秒前
量子星尘发布了新的文献求助10
49秒前
量子星尘发布了新的文献求助10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
wangfaqing942完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
Silence完成签到 ,获得积分10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
量子星尘发布了新的文献求助10
1分钟前
量子星尘发布了新的文献求助10
2分钟前
2分钟前
2分钟前
量子星尘发布了新的文献求助10
2分钟前
hihi发布了新的文献求助10
2分钟前
量子星尘发布了新的文献求助10
2分钟前
3分钟前
丘比特应助科研通管家采纳,获得10
3分钟前
量子星尘发布了新的文献求助10
3分钟前
3分钟前
3分钟前
3分钟前
量子星尘发布了新的文献求助10
3分钟前
量子星尘发布了新的文献求助10
3分钟前
3分钟前
量子星尘发布了新的文献求助10
4分钟前
爱静静应助mt13采纳,获得100
4分钟前
4分钟前
4分钟前
量子星尘发布了新的文献求助10
4分钟前
量子星尘发布了新的文献求助10
4分钟前
4分钟前
4分钟前
量子星尘发布了新的文献求助10
4分钟前
4分钟前
紫熊发布了新的文献求助10
5分钟前
高分求助中
Production Logging: Theoretical and Interpretive Elements 2700
Neuromuscular and Electrodiagnostic Medicine Board Review 1000
Statistical Methods for the Social Sciences, Global Edition, 6th edition 600
こんなに痛いのにどうして「なんでもない」と医者にいわれてしまうのでしょうか 510
Walter Gilbert: Selected Works 500
An Annotated Checklist of Dinosaur Species by Continent 500
岡本唐貴自伝的回想画集 500
热门求助领域 (近24小时)
化学 材料科学 医学 生物 工程类 有机化学 物理 生物化学 纳米技术 计算机科学 化学工程 内科学 复合材料 物理化学 电极 遗传学 量子力学 基因 冶金 催化作用
热门帖子
关注 科研通微信公众号,转发送积分 3661079
求助须知:如何正确求助?哪些是违规求助? 3222233
关于积分的说明 9744081
捐赠科研通 2931862
什么是DOI,文献DOI怎么找? 1605234
邀请新用户注册赠送积分活动 757780
科研通“疑难数据库(出版商)”最低求助积分说明 734538