Molecular dynamics and in silico mutagenesis on the reversible inhibitor-bound SARS-CoV-2 main protease complexes reveal the role of lateral pocket in enhancing the ligand affinity
Notice bibliographique
Résumé
Abstract The 2019 novel coronavirus pandemic caused by SARS-CoV-2 remains a serious health threat to humans and 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) describing the interactions of different fragment chemotypes within different sites of the M pro . In this work, we performed rigorous molecular dynamics (MD) simulation of 62 reversible ligand–M pro complexes in the PDB to gain mechanistic insights about their interactions at the atomic level. Using a total of over 3 µs long MD trajectories, we characterized different pockets in the apo M pro structure, and analyzed the dynamic interactions and binding affinity of ligands within those pockets. Our results identified the key residues that stabilize the ligands in the catalytic sites and other pockets of 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 the 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 machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| 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 | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 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 source (Gemma direct ou Codex distillé), 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 ».