Structure-Based Virtual Screening Reveals Ibrutinib and Zanubrutinib as Potential Repurposed Drugs against COVID-19
Notice bibliographique
Résumé
Coronavirus disease (COVID)-19 is the leading global health threat to date caused by a severe acute respiratory syndrome coronavirus (SARS-CoV-2). Recent clinical trials reported that the use of Bruton's tyrosine kinase (BTK) inhibitors to treat COVID-19 patients could reduce dyspnea and hypoxia, thromboinflammation, hypercoagulability and improve oxygenation. However, the mechanism of action remains unclear. Thus, this study employs structure-based virtual screening (SBVS) to repurpose BTK inhibitors acalabrutinib, dasatinib, evobrutinib, fostamatinib, ibrutinib, inositol 1,3,4,5-tetrakisphosphate, spebrutinib, XL418 and zanubrutinib against SARS-CoV-2. Molecular docking is conducted with BTK inhibitors against structural and nonstructural proteins of SARS-CoV-2 and host targets (ACE2, TMPRSS2 and BTK). Molecular mechanics-generalized Born surface area (MM/GBSA) calculations and molecular dynamics (MD) simulations are then carried out on the selected complexes with high binding energy. Ibrutinib and zanubrutinib are found to be the most potent of the drugs screened based on the results of computational studies. Results further show that ibrutinib and zanubrutinib could exploit different mechanisms at the viral entry and replication stage and could be repurposed as potential inhibitors of SARS-CoV-2 pathogenesis.
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 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 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».