Probing the SAM Binding Site of SARS-CoV-2 Nsp14 In Vitro Using SAM Competitive Inhibitors Guides Developing Selective Bisubstrate Inhibitors
Notice bibliographique
Résumé
The COVID-19 pandemic has clearly brought the healthcare systems worldwide to a breaking point, along with devastating socioeconomic consequences. The SARS-CoV-2 virus, which causes the disease, uses RNA capping to evade the human immune system. Nonstructural protein (nsp) 14 is one of the 16 nsps in SARS-CoV-2 and catalyzes the methylation of the viral RNA at N7-guanosine in the cap formation process. To discover small-molecule inhibitors of nsp14 methyltransferase (MTase) activity, we developed and employed a radiometric MTase assay to screen a library of 161 in-house synthesized S -adenosylmethionine (SAM) competitive MTase inhibitors and SAM analogs. Among six identified screening hits, SS148 inhibited nsp14 MTase activity with an IC 50 value of 70 ± 6 nM and was selective against 20 human protein lysine MTases, indicating significant differences in SAM binding sites. Interestingly, DS0464 with an IC 50 value of 1.1 ± 0.2 µM showed a bisubstrate competitive inhibitor mechanism of action. DS0464 was also selective against 28 out of 33 RNA, DNA, and protein MTases. The structure–activity relationship provided by these compounds should guide the optimization of selective bisubstrate nsp14 inhibitors and may provide a path toward a novel class of antivirals against COVID-19, and possibly other coronaviruses.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 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 | 0,001 |
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 ».