Design of Improved Anti-Influenza Peptide Mimetics Using In Silico Molecular Modeling
Notice bibliographique
Résumé
Influenza virus is a major respiratory virus infection responsible for seasonal outbreaks, global pandemics, and an estimated 500,000 deaths annually. The RNA polymerase of influenza virus is a heterotrimeric enzyme complex made up of three subunits that interact to form an active holoenzyme. In this study, in silico molecular modeling was used to predict the hypothetical free energy of binding between the PB1 and PA subunits for various single amino acid substitutions within the PB1 subunit. Two significant substitutions for threonine at position six were identified: glutamic acid (T6E) and arginine (T6R). We engineered native and modified PB1 peptide mimetics with a carrier protein and a cell penetrating peptide (HIV Tat NLS) to deliver the peptides to cells. These peptide mimetics inhibited Influenza a virus transcription and translation in MDCK cells in a dose-dependent manner with 98% inhibition at 50 M. The inhibitory activity of peptide mimetics containing T6E and T6R substitutions, were three-to four-fold higher than the wild type peptide consistent with the in silico molecular modeling prediction. These results demonstrate that molecular modeling of protein-protein interactions can be used to design peptide mimetics as protein therapeutics which have increased anti-viral activity.
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 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 | 0,000 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».