Virtual Screening for SARS-CoV Protease Based on KZ7088 Pharmacophore Points
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
Pharmacophore modeling can provide valuable insight into ligand-receptor interactions. It can also be used in 3D (dimensional) database searching for potentially finding biologically active compounds and providing new research ideas and directions for drug-discovery projects. To stimulate the structure-based drug design against SARS (severe acute respiratory syndrome), a pharmacophore search was conducted over 3.6 millions of compounds based on the atomic coordinates of the complex obtained by docking KZ7088 (a derivative of AG7088) to SARS CoV M(pro) (coronavirus main proteinase), as reportedly recently (Chou, K. C.; Wei, D. Q.; Zhong, W. Z. Biochem. Biophys. Res. Commun. 2003, 308, 148-151). It has been found that, of the 3.6 millions of compounds screened, 0.07% are with the score satisfying five of the six pharmacophore points. Moreover, each of the hit compounds has been evaluated for druggability according to 13 metrics based on physical, chemical, and structural properties. Of the 0.07% compounds thus retrieved, 17% have a perfect score of 1.0; while 23% with one druggable rule violation, 13% two violations, and 47% more than two violations. If the criterion for druggability is set at a maximum allowance of two rule violations, we obtain that only about 0.03% of the compounds screened are worthy of further tests by experiments. These findings will significantly narrow down the search scope for potential compounds, saving substantial time and money. Finally, the featured templates derived from the current study will also be very useful for guiding the design and synthesis of effective drugs for SARS therapy.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,003 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 0,000 |
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.
score_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