Molecular mechanism of inhibition of COVID-19 main protease by β-adrenoceptor agonists and adenosine deaminase inhibitors using <i>in silico</i> methods
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
Novel coronavirus (COVID-19) responsible for viral pneumonia which emerged in late 2019 has badly affected the world. No clinically proven drugs are available yet as the targeted therapeutic agents for the treatment of this disease. The viral main protease which helps in replication and transcription inside the host can be an effective drug target. In the present study, we aimed to discover the potential of β-adrenoceptor agonists and adenosine deaminase inhibitors which are used in asthma and cancer/inflammatory disorders, respectively, as repurposing drugs against protease inhibitor by ligand-based and structure-based virtual screening using COVID-19 protease-N3 complex. The AARRR pharmacophore model was used to screen a set of 22,621 molecules to obtain hits, which were subjected to high-throughput virtual screening. Extra precision docking identified four top-scored molecules such as +/--fenoterol, FR236913 and FR230513 with lower binding energy from both categories. Docking identified three major hydrogen bonds with Gly143, Glu166 and Gln189 residues. 100 ns MD simulation was performed for four top-scored molecules to analyze the stability, molecular mechanism and energy requirements. MM/PBSA energy calculation suggested that van der Waals and electrostatic energy components are the main reasons for the stability of complexes. Water-mediated hydrogen bonds between protein-ligand and flexibility of the ligand are found to be responsible for providing extra stability to the complexes. The insights gained from this combinatorial approach can be used to design more potent and bio-available protease inhibitors against novel coronavirus.Communicated by Ramaswamy H. Sarma.
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 | 0,001 | 0,000 |
| 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 | 0,000 |
| 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) | 0,000 | 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 découle