MétaCan
Menu
Retour à la cohorte
Enregistrement W3159357214 · doi:10.3390/microorganisms9050926

Mutation Signatures and In Silico Docking of Novel SARS-CoV-2 Variants of Concern

2021· article· en· W3159357214 sur OpenAlexaff
Nariman Shahhosseini, George Babuadze, Gary Wong, Gary Kobinger

Notice bibliographique

RevueMicroorganisms · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversity of TorontoUniversity of ManitobaSunnybrook Health Science CentreUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésIn silicoNonsynonymous substitutionMutationSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)BiologyChemistryGeneGeneticsCoronavirus disease 2019 (COVID-19)MedicineGenome

Résumé

récupéré en direct d'OpenAlex

One year since the first severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) was reported in China, several variants of concern (VOC) have appeared around the world, with some variants seeming to pose a greater thread to public health due to enhanced transmissibility or infectivity. This study provides a framework for molecular characterization of novel VOC and investigates the effect of mutations on the binding affinity of the receptor-binding domain (RBD) to human angiotensin-converting enzyme 2 (hACE2) using in silico approach. Notable nonsynonymous mutations in RBD of VOC include the E484K and K417N/T that can be seen in South African and Brazilian variants, and N501Y and D614G that can be seen in all VOC. Phylogenetic analyses demonstrated that although the UK-VOC and the BR-VOC fell in the clade GR, they have different mutation signatures, implying an independent evolutionary pathway. The same is true about SA-VOC and COH-VOC felling in clade GH, but different mutation signatures. Combining molecular interaction modeling and the free energy of binding (FEB) calculations for VOC, it can be assumed that the mutation N501Y has the highest binding affinity in RBD for all VOC, followed by E484K (only for BR-VOC), which favors the formation of a stable complex. However, mutations at the residue K417N/T are shown to reduce the binding affinity. Once vaccination has started, there will be selective pressure that would be in favor of the emergence of novel variants capable of escaping the immune system. Therefore, genomic surveillance should be enhanced to find and monitor new emerging SARS-CoV-2 variants before they become a public health concern.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,006
Score d'incertitude au seuil0,012

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,000
Études des sciences et des technologies0,0010,000
Communication savante0,0010,000
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0020,000

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 Opus0,047
Tête enseignante GPT0,345
Écart entre enseignants0,298 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
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

Citations67
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueMicroorganismsMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207