Identifying Inhibitors of −1 Programmed Ribosomal Frameshifting in a Broad Spectrum of Coronaviruses
Notice bibliographique
Résumé
Recurrent outbreaks of novel zoonotic coronavirus (CoV) diseases in recent years have highlighted the importance of developing therapeutics with broad-spectrum activity against CoVs. Because all CoVs use -1 programmed ribosomal frameshifting (-1 PRF) to control expression of key viral proteins, the frameshift signal in viral mRNA that stimulates -1 PRF provides a promising potential target for such therapeutics. To test the viability of this strategy, we explored whether small-molecule inhibitors of -1 PRF in SARS-CoV-2 also inhibited -1 PRF in a range of bat CoVs-the most likely source of future zoonoses. Six inhibitors identified in new and previous screens against SARS-CoV-2 were evaluated against the frameshift signals from a panel of representative bat CoVs as well as MERS-CoV. Some drugs had strong activity against subsets of these CoV-derived frameshift signals, while having limited to no effect on -1 PRF caused by frameshift signals from other viruses used as negative controls. Notably, the serine protease inhibitor nafamostat suppressed -1 PRF significantly for multiple CoV-derived frameshift signals. These results suggest it is possible to find small-molecule ligands that inhibit -1 PRF specifically in a broad spectrum of CoVs, establishing frameshift signals as a viable target for developing pan-coronaviral therapeutics.
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 | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,001 | 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 ».