A Computational Approach to Evaluate the Combined Effect of SARS-CoV-2 RBD Mutations and ACE2 Receptor Genetic Variants on Infectivity: The COVID-19 Host-Pathogen Nexus
Notice bibliographique
Résumé
SARS-CoV-2 infectivity is largely determined by the virus Spike protein binding to the ACE2 receptor. Meanwhile, marked infection rate differences were reported between populations and individuals. To understand the disease dynamic, we developed a computational approach to study the implications of both SARS-CoV-2 RBD mutations and ACE2 polymorphism on the stability of the virus-receptor complex. We used the 6LZG PDB RBD/ACE2 3D model, the mCSM platform, the LigPlot+ and PyMol software to analyze the data on SARS-CoV-2 mutations and ACE variants retrieved from GISAID and Ensembl/GnomAD repository. We observed that out of 351 RBD point mutations, 83% destabilizes the complex according to free energy (ΔΔG) differences. We also spotted variations in the patterns of polar and hydrophobic interactions between the mutations occurring in 15 out of 18 contact residues. Similarly, comparison of the effect on the complex stability of different ACE2 variants showed that the pattern of molecular interactions and the complex stability varies also according to ACE2 polymorphism. We infer that it is important to consider both ACE2 variants and circulating SARS-CoV-2 RBD mutations to assess the stability of the virus-receptor association and evaluate infectivity. This approach might offers a good molecular ground to mitigate the virus spreading.
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 | 0,001 | 0,002 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,001 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 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 ».