Engineered ACE2 receptor traps potently neutralize SARS-CoV-2
Notice bibliographique
Résumé
An essential mechanism for severe acute respiratory syndrome coronavirus 1 (SARS-CoV-1) and severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) infection begins with the viral spike protein binding to the human receptor protein angiotensin-converting enzyme II (ACE2). Here, we describe a stepwise engineering approach to generate a set of affinity optimized, enzymatically inactivated ACE2 variants that potently block SARS-CoV-2 infection of cells. These optimized receptor traps tightly bind the receptor binding domain (RBD) of the viral spike protein and prevent entry into host cells. We first computationally designed the ACE2-RBD interface using a two-stage flexible protein backbone design process that improved affinity for the RBD by up to 12-fold. These designed receptor variants were affinity matured an additional 14-fold by random mutagenesis and selection using yeast surface display. The highest-affinity variant contained seven amino acid changes and bound to the RBD 170-fold more tightly than wild-type ACE2. With the addition of the natural ACE2 collectrin domain and fusion to a human immunoglobulin crystallizable fragment (Fc) domain for increased stabilization and avidity, the most optimal ACE2 receptor traps neutralized SARS-CoV-2-pseudotyped lentivirus and authentic SARS-CoV-2 virus with half-maximal inhibitory concentrations (IC50s) in the 10- to 100-ng/mL range. Engineered ACE2 receptor traps offer a promising route to fighting infections by SARS-CoV-2 and other ACE2-using coronaviruses, with the key advantage that viral resistance would also likely impair viral entry. Moreover, such traps can be predesigned for viruses with known entry receptors for faster therapeutic response without the need for neutralizing antibodies isolated from convalescent patients.
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 | 0,001 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| 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 ».