Extensive Crystallographic Fragment-Based Approach to Design SARS CoV2 3CLpro Main Protease Inhibitors and Related Metadata
Notice bibliographique
Résumé
3CLpro is a vital protein for the SARS-CoV-2 replications and its inhibition using small molecules is a bona fide approach used to develop new drugs against the virus. In this study, a comprehensive crystallography-guided fragment-based drug discovery approach was employed to design new inhibitors for SARS-CoV-2 3CLpro. Protein Data Bank was explored to find small molecules cocrystallized with SARS-CoV-2 3CLpro. The fragments sitting in the binding pocket (87) were interactively coupled using various linkers with the intention to get molecules having the same orientation as those of the constituting fragments. In total, 1251 couples were prepared and converted to maximum possible stereoisomers using LigPrep for screening using Glide (standard precision and extra precision), AutoDock Vina, and Prime MMGBSA. Top 22 hits having conformations similar to their cocrystallized fragments were selected for MD simulation on Desmond. MD simulation suggested that 15 hits had conformations very close to their constituting fragments. Results indicated that these hits were computationally reliable and could be considered for further development. This suggests that the study could provide a benchmark starting point for the further design of SARS-CoV-2 3CLpro inhibitors with improved binding (data provided).
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) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,004 | 0,001 |
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 ».