Telaprevir is a potential drug for repurposing against SARS-CoV-2: computational and in vitro studies
Notice bibliographique
Résumé
Drug repurposing is an important approach to the assignment of already approved drugs for new indications. This technique bypasses some steps in the traditional drug approval system, which saves time and lives in the case of pandemics. Direct acting antivirals (DAAs) have repeatedly repurposed from treating one virus to another. In this study, 16 FDA-approved hepatitis C virus (HCV) DAA drugs were studied to explore their activities against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) human and viral targets. Among the 16 HCV DAA drugs, telaprevir has shown the best in silico evidence to work on both indirect human targets (cathepsin L [CTSL] and human angiotensin-converting enzyme 2 [ h ACE2] receptor) and direct viral targets (main protease [M pro ]). Moreover, the docked poses of telaprevir inside both h ACE2 and M pro were subjected to additional molecular dynamics simulations monitored by calculating the binding free energy using MM-GBSA. In vitro analysis of telaprevir showed inhibition of SARS-CoV-2 replication in cell culture (IC 50 = 11.552 μM, CC 50 = 60.865 μM, and selectivity index=5.27). Accordingly, based on the in silico studies and supported by the presented in vitro analysis, we suggest that telaprevir may be considered for therapeutic development 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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 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 ».