Drug Repurposing: Dipeptidyl Peptidase IV (DPP4) Inhibitors as Potential Agents to Treat SARS-CoV-2 (2019-nCoV) Infection
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
The current outbreak of severe acute respiratory distress syndrome (SARS) or nCOVID-19 pandemic, caused by the coronavirus-2 (CoV-2), continues to wreak havoc globally. As novel vaccines are being discovered and developed, small molecule drugs still constitute a viable treatment option for SARS-CoV-2 infections due to their advantages such as superior patient compliance for oral therapies, reduced manufacturing costs and ease of large scale distribution due to better stability and storage profiles. Discovering new drugs for SARS-CoV-2 infections is a time consuming and expensive proposition. In this regard, drug repurposing is an appealing approach which can provide rapid access to therapeutics with proven record of safety and efficacy. We investigated the drug repurposing potential of a library of dipeptidyl peptidase 4 (DPP4) inhibitors which are currently marketed for type-2 diabetes as treatment option for SARS-CoV-2 infections. These computational studies led to the identification of three marketed DPP4 inhibitors; gemigliptin, linagliptin and evogliptin as potential inhibitors of SARS-CoV-2 Mpro viral cysteine protease. In addition, our computational modeling shows that these drugs have the potential to inhibit other viral cysteine proteases from the beta coronavirus family, including the SAR-CoV Mpro and MERS-CoV CLpro suggesting their potential to be repurposed as broad-spectrum antiviral agents.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 0,003 |
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