MétaCan
Menu
Retour à la cohorte
Enregistrement W2907871788 · doi:10.1002/bip.23251

Impact of tetramerization on the ligand recognition of N1 influenza neuraminidase via MMGBSA approach

2018· article· en· W2907871788 sur OpenAlexfundno aff
Martiniano Bello

Notice bibliographique

RevueBiopolymers · 2018
Typearticle
Langueen
DomaineMedicine
ThématiqueInfluenza Virus Research Studies
Établissements canadiensnon disponible
Organismes subventionnairesSwine Innovation Porc
Mots-clésChemistryNeuraminidaseSialic acidLigand (biochemistry)CooperativityMonomerStereochemistrySubstrate (aquarium)Molecular dynamicsCombinatorial chemistryEnzymeBiochemistryComputational chemistryReceptorOrganic chemistry

Résumé

récupéré en direct d'OpenAlex

Influenza virus neuraminidase (NA) is a homotetrameric surface protein that, in contrast to other non-influenza NAs, requires a quaternary assembly to exhibit enzymatic activity, suggesting that the oligomeric state significantly impacts the active site of influenza NA. Nevertheless, most structure-based drug design studies have been reported by employing the monomeric state in the closed or open-loop due to the computational cost of employing the tetrameric NA. In this work, we present MD simulations coupled to the MMGBSA approach of avian N1 type NA in its monomeric and tetrameric closed and open-loop state both with and without the inhibitor oseltamivir and its natural substrate, sialic acid. Structural and energetic analyses revealed that the tetrameric state impacts flexibility as well as the map of interactions participating in stabilizing the protein-ligand complexes with respect to the monomeric state. It was observed that the tetrameric state exerts dissimilar effects in binding affinity, characteristic of positive and negative cooperativity for oseltamivir and sialic acid, respectively. Based on our results, to perform a confident structure-based drug design, as well as to evaluate the impact of key mutations through MD simulations, it is important to consider the tetrameric state closed-loop state.

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.

Comment cette classification a été obtenuedéplier

Prédiction distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,079
Score d'incertitude au seuil0,355

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,110
Tête enseignante GPT0,385
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations2
Publié2018
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueBiopolymersMême sujetInfluenza Virus Research StudiesTravaux en français237 207