Integrative In Silico Investigation Reveals the Host-Virus Interactions in Repurposed Drugs Against SARS-CoV-2
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
The ongoing COVID-19 outbreak have posed a significant threat to public health worldwide. Recently Toll-like receptor (TLR) has been proposed to be the drug target of SARS-CoV-2 treatment, the specificity and efficacy of such treatments remain unknown. In the present study we performed the investigation of repurposed drugs via a framework comprising of Search Tool for Interacting Chemicals (STITCH), Kyoto Encyclopedia of Genes and Genomes (KEGG), molecular docking, and virus-host-drug interactome mapping. Chloroquine (CQ) and hydroxychloroquine (HCQ) were utilized as probes to explore the interaction network that is linked to SARS-CoV-2. 47 drug targets were shown to be overlapped with SARS-CoV-2 network and were enriched in TLR signaling pathway. Molecular docking analysis and molecular dynamics simulation determined the direct binding affinity of TLR9 to CQ and HCQ. Furthermore, we established SARS-CoV-2-human-drug protein interaction map and identified the axis of TLR9-ERC1-Nsp13 and TLR9-RIPK1-Nsp12. Therefore, the elucidation of the interactions of SARS-CoV-2 with TLR9 axis will not only provide pivotal insights into SARS-CoV-2 infection and pathogenesis but also improve the treatment against COVID-19.
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.
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 | 0,002 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 découle