Phenothiazines as dual inhibitors of SARS-CoV-2 main protease and COVID-19 inflammation
Notice bibliographique
Résumé
COVID-19, caused by the severe acute respiratory coronavirus 2 (SARS-CoV-2), currently has no treatment for acute infection. The main protease (M pro ) of SARS-CoV-2 is an essential enzyme for viral replication and an attractive target for disease intervention. The phenothiazine moiety has demonstrated drug versatility for biological systems, including inhibition of butyrylcholinesterase, a property important in the cholinesterase anti-inflammatory cascade. Nineteen phenothiazine drugs were investigated using in silico modelling techniques to predict binding energies and inhibition constants (K i values) with SARS-CoV-2 M pro . Because most side-effects of phenothiazines are due to interactions with various neurotransmitter receptors and transporters, phenothiazines with few such interactions were also investigated. All compounds were found to bind to the active site of SARS-CoV-2 M pro and showed K i values ranging from 1.30 to 52.4 µM in a rigid active site. Nine phenothiazines showed inhibition constants <10 µM. The compounds with limited interactions with neurotransmitter receptors and transporters showed micromolar (µM) K i values. Docking results were compared with remdesivir and showed similar interactions with key residues Glu-166 and Gln-189 in the active site. This work has identified several phenothiazines with limited neurotransmitter receptor and transporter interactions and that may provide the dual action of inhibiting SARS-CoV-2 M pro to prevent viral replication and promote the release of anti-inflammatory cytokines to curb viral-induced inflammation. These compounds are promising candidates for further investigation against SARS-CoV-2.
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 | 0,000 | 0,002 |
| 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 | 0,000 |
| 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 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 ».