Skip to main content
padlock icon - secure page this page is secure

Effect of asymmetry of concentration-response curves on the results obtained by the receptorial responsiveness method (RRM): an in silico study

Buy Article:

$36.73 + tax (Refund Policy)

The receptorial responsiveness method (RRM) was proposed to estimate changes in the concentration of an agonist in the microenvironment of its receptor. Usually, this is done by providing the equieffective concentration of another agonist for the same receptor or for a largely overlapping postreceptorial signaling (“test agonist”). The RRM is a special nonlinear regression algorithm to analyze a concentration-response (E/c) curve that represents the simultaneous actions of a single agonist concentration to be estimated and of increasing concentrations of the test agonist. The aim of this study was to explore whether asymmetry of the E/c curve to be analyzed influences the reliability of the RRM. For this purpose, computer simulation was performed by constructing symmetric and asymmetric E/c curves using the operational model of agonism, and then these curves were analyzed with the RRM. To perform the RRM, 2 types of equations were used: one involving the Hill equation, the simplest model of the E/c relationship, and one containing the Richards equation, an advanced model properly handling E/c curve asymmetry. Results of this study indicate that E/c curve asymmetry does not significantly influence the accuracy of the estimates provided by the RRM. Thus, when using the RRM, it is not necessary to replace the Hill equation with the Richards equation to obtain useful estimates. Furthermore, it was found that estimation of a high concentration of a high-efficacy agonist can fail when the RRM is performed with a low-efficacy test agonist in a system characterized by a small operational slope factor.

On a proposé la méthode de réactivité des récepteurs (RRM pour receptorial responsiveness method) pour évaluer les modifications de la concentration d’un agoniste dans le microenvironnement de son récepteur. L’évaluation est habituellement effectuée à partir des concentrations d’un agoniste distinct pour le même récepteur ou pour une voie de signalisation post-récepteurs chevauchante étendue (« agoniste témoin »). La RRM est un algorithme de régression non linéaire spécial qui analyse une courbe concentration-réponse (E/c) représentant les actions simultanées d’une concentration de l’agoniste à estimer et de concentrations croissantes de l’agoniste témoin. La présente étude a eu pour but d’examiner si l’asymétrie de la courbe E/c à analyser influence la fiabilité de la RRM. À cet effet, on a effectué une simulation par ordinateur en construisant des courbes E/c symétriques et asymétriques à l’aide du modèle opérationnel d’agonisme, puis on a analysé ces courbes avec la RRM. Pour appliquer la méthode, on a utilisé deux équations : l’une faisant appel à l’équation de Hill, le modèle le plus simple de la relation E/c, et l’autre contenant l’équation de Richards, un modèle avancé capable de prendre en compte adéquatement l’asymétrie de la courbe E/c. Les résultats de cette étude indiquent que l’asymétrie des courbes E/c n’influence pas significativement la précision des estimations fournies par la RRM. Ainsi, avec la RRM, il n’est pas nécessaire de remplacer l’équation de Hill par l’équation de Richards pour obtenir de bonnes estimations. De plus, l’étude a montré que l’estimation d’une concentration élevée d’un agoniste de grande efficacité pourrait échouer lorsque la RRM est réalisée avec un agoniste témoin de faible efficacité dans un système caractérisé par un facteur de pente opérationnel de faible amplitude.
No Reference information available - sign in for access.
No Citation information available - sign in for access.
No Supplementary Data.
No Article Media
No Metrics

Document Type: Research Article

Publication date: November 1, 2010

More about this publication?
  • Access Key
  • Free content
  • Partial Free content
  • New content
  • Open access content
  • Partial Open access content
  • Subscribed content
  • Partial Subscribed content
  • Free trial content
Cookie Policy
X
Cookie Policy
Ingenta Connect website makes use of cookies so as to keep track of data that you have filled in. I am Happy with this Find out more