@article{FedericoRedentiSturleseetal.2015,
  author    = {Federico, Stephanie and Redenti, Sara and Sturlese, Mattia and Ciancetta, Antonella and Kachler, Sonja and Klotz, Karl-Norbert and Cacciari, Barbara and Moro, Stefano and Spalluto, Giampiero},
  title     = {The Influence of the 1-(3-Trifluoromethyl-Benzyl)-1H-Pyrazole-4-yl Moiety on the Adenosine Receptors Affinity Profile of Pyrazolo[4,3-e][1,2,4]Triazolo[1,5-c]Pyrimidine Derivatives},
  series = {PLoS One},
  volume    = {10},
  journal   = {PLoS One},
  number    = {12},
  doi       = {10.1371/journal.pone.0143504},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-137133},
  pages     = {e0143504},
  year      = {2015},
  abstract  = {A new series of pyrazolo[4,3-e][1,2,4]triazolo[1,5-c]pyrimidine (PTP) derivatives has been developed in order to explore their affinity and selectivity profile at the four adenosine receptor subtypes. In particular, the PTP scaffold was conjugated at the C2 position with the 1-(3-trifluoromethyl-benzyl)-1H-pyrazole, a group believed to confer potency and selectivity toward the human (h) A\(_{2B}\) adenosine receptor (AR) to the xanthine ligand 8-(1-(3-(trifluoromethyl) benzyl)-1H-pyrazol-4-yl)-1,3-dimethyl-1H-purine-2,6(3H, 7H)-dione (CVT 6975). Interestingly, the synthesized compounds turned out to be inactive at the hA\(_{2B}\) AR but they displayed affinity at the hA\(_3\) AR in the nanomolar range. The best compound of the series (6) shows both high affinity (hA\(_3\) AR K\(_i\) = 11 nM) and selectivity (A\(_1\)/A\(_3\) and A\(_{2A}\)/A\(_3\) > 9090; A\(_{2B}\)/A\(_3\) > 909) at the hA\(_3\) AR. To better rationalize these results, a molecular docking study on the four AR subtypes was performed for all the synthesized compounds. In addition, CTV 6975 and two close analogues have been subjected to the same molecular docking protocol to investigate the role of the 1-(3-trifluoromethyl-benzyl)-1H-pyrazole on the binding at the four ARs.},
  language  = {en}
}
@phdthesis{Wilde2019,
  author    = {Wilde, Sabrina},
  title     = {Einsatz von mechanistischen Biomarkern zur Charakterisierung und Bewertung von \(in\) \(vitro\) Genotoxinen},
  doi       = {10.25972/OPUS-18278},
  url       = {http://nbn-resolving.de/urn:nbn:de:bvb:20-opus-182782},
  school      = {Universit{\"a}t W{\"u}rzburg},
  year      = {2019},
  abstract  = {Die verf{\"u}gbaren in vitro Genotoxizit{\"a}tstests weisen hinsichtlich ihrer Spezifit{\"a}t und ihres Informationsgehalts zum vorliegenden Wirkmechanismus (Mode of Action, MoA) Einschr{\"a}nkungen auf. Um diese M{\"a}ngel zu {\"u}berwinden, wurden in dieser Arbeit zwei Ziele verfolgt, die zu der Entwicklung und Etablierung neuer in vitro Methoden zur Pr{\"u}fung auf Genotoxizit{\"a}t in der Arzneimittelentwicklung beitragen. 1. Etablierung und Bewertung einer neuen in vitro Genotoxizit{\"a}tsmethode (MultiFlow Methode) Die MultiFlow Methode basiert auf DNA-schadensassoziierten Proteinantworten von γH2AX (DNA-Doppelstrangbr{\"u}che), phosphorylierten H3 (S10) (mitotische Zellen), nukle{\"a}ren Protein p53 (Genotoxizit{\"a}t) und cleaved PARP1 (Apoptose) in TK6-Zellen. Insgesamt wurden 31 Modellsubstanzen mit dem MultiFlow Assay und erg{\"a}nzend mit dem etablierten Mikrokerntest (MicroFlow MNT), auf ihre F{\"a}higkeit verschiedene MoA-Gruppen (Aneugene/Klastogene/Nicht-Genotoxine) zu differenzieren, untersucht. Die Performance der „neuen" gegen{\"u}ber der „alten" Methode f{\"u}hrte zu einer verbesserten Sensitivit{\"a}t von 95\% gegen{\"u}ber 90\%, Spezifit{\"a}t von 90\% gegen{\"u}ber 72\% und einer MoA-Klassifizierungsrate von 85\% gegen{\"u}ber 45\% (Aneugen vs. Klastogen). 2. Identifizierung mechanistischer Biomarker zur Klassifizierung genotoxischer Substanzen Die Analyse 67 ausgew{\"a}hlter DNA-schadensassoziierter Gene in der QuantiGene Plex Methode zeigte, dass mehrere Gene gleichzeitig zur MoA-Klassifizierung beitragen k{\"o}nnen. Die Kombination der h{\"o}chstrangierten Marker BIK, KIF20A, TP53I3, DDB2 und OGG1 erm{\"o}glichte die beste Identifizierungsrate der Modellsubstanzen. Das synergetische Modell kategorisierte 16 von 16 Substanzen korrekt in Aneugene, Klastogene und Nicht-Genotoxine. Unter Verwendung der Leave-One-Out-Kreuzvalidierung wurde das Modell evaluiert und erreichte eine Sensitivit{\"a}t, Spezifit{\"a}t und Pr{\"a}diktivit{\"a}t von 86\%, 83\% und 85\%. Ergebnisse der traditionellen qPCR Methode zeigten, dass Genotoxizit{\"a}t mit TP53I3, Klastogenit{\"a}t mit ATR und RAD17 und oxidativer Stress mit NFE2L2 detektiert werden kann. Durch die Untersuchungen von posttranslationalen Modifikationen unter Verwendung der High-Content-Imaging-Technologie wurden mechanistische Assoziationen f{\"u}r BubR1 (S670) und pH3 (S28) mit Aneugenit{\"a}t, 53BP1 (S1778) und FANCD2 (S1404) mit Klastogenit{\"a}t, p53 (K373) mit Genotoxizit{\"a}t und Nrf2 (S40) mit oxidativem Stress identifiziert. Diese Arbeit zeigt, dass (Geno)toxine unterschiedliche Gen- und Proteinver{\"a}nderungen in TK6-Zellen induzieren, die zur Erfassung mechanistischer Aktivit{\"a}ten und Einteilung (geno)toxischer MoA-Gruppen (Aneugen/Klastogen/ Reaktive Sauerstoffspezies) eingesetzt werden k{\"o}nnen und daher eine bessere Risikobewertung von Wirkstoffkandidaten erm{\"o}glichen.},
  subject      = {Genotoxizit{\"a}t},
  language  = {de}
}