MétaCan
Menu
Retour à la cohorte
Enregistrement W3096438953 · doi:10.1101/2020.10.31.363309

Molecular dynamics and in silico mutagenesis on the reversible inhibitor-bound SARS-CoV-2 Main Protease complexes reveal the role of a lateral pocket in enhancing the ligand affinity

2020· preprint· en· W3096438953 sur OpenAlexafffund
Ying Li Weng, Shiv Rakesh Naik, Nadia Dingelstad, Subha Kalyaanamoorthy, Aravindhan Ganesan

Notice bibliographique

RevuebioRxiv (Cold Spring Harbor Laboratory) · 2020
Typepreprint
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesCanada First Research Excellence FundCompute Canada
Mots-clésProtein Data Bank (RCSB PDB)In silicoLigand (biochemistry)Active siteComputational biologyChemistryBinding siteMolecular dynamicsLigand efficiencyDocking (animal)ProteaseProtein structurePlasma protein bindingStereochemistryEnzymeBiologyBiochemistryMedicineComputational chemistryReceptorGene

Résumé

récupéré en direct d'OpenAlex

Abstract The 2019 novel coronavirus pandemic caused by SARS-CoV-2 remains a serious health threat to humans and a number of countries are already in the middle of the second wave of infection. There is an urgent need to develop therapeutics against this deadly virus. Recent scientific evidences have suggested that the main protease (M pro ) enzyme in SARS-CoV-2 can be an ideal drug target due to its crucial role in the viral replication and transcription processes. Therefore, there are ongoing research efforts to identify drug candidates against SARS-CoV-2 M pro that resulted in hundreds of X-ray crystal structures of ligand bound M pro complexes in the protein data bank (PDB) that describe structural details of different chemotypes of fragments binding within different sites in M pro . In this work, we perform rigorous molecular dynamics (MD) simulation of 62 reversible ligand-M pro complexes in the PDB to gain mechanistic insights about their interactions at atomic level. Using a total of ~2.25 μs long MD trajectories, we identified and characterized different pockets and their conformational dynamics in the apo M pro structure. Later, using the published PDB structures, we analyzed the dynamic interactions and binding affinity of small ligands within those pockets. Our results identified the key residues that stabilize the ligands in the catalytic sites and other pockets in M pro . Our analyses unraveled the role of a lateral pocket in the catalytic site in M pro that is critical for enhancing the ligand binding to the enzyme. We also highlighted the important contribution from HIS163 in this lateral pocket towards ligand binding and affinity against M pro through computational mutation analyses. Further, we revealed the effects of explicit water molecules and M pro dimerization in the ligand association with the target. Thus, comprehensive molecular level insights gained from this work can be useful to identify or design potent small molecule inhibitors against SARS-CoV-2 M pro .

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)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
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 enseignants0,126
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0020,002
Intégrité de la recherche0,0000,001
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 Opus0,018
Tête enseignante GPT0,247
Écart entre enseignants0,229 · 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.

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

Citations7
Publié2020
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revuebioRxiv (Cold Spring Harbor Laboratory)Même sujetComputational Drug Discovery MethodsTravaux en français237 207