Structure‐ and Interaction‐Based Design of Anti‐SARS‐CoV‐2 Aptamers
Notice bibliographique
Résumé
Aptamer selection against novel infections is a complicated and time-consuming approach. Synergy can be achieved by using computational methods together with experimental procedures. This study aims to develop a reliable methodology for a rational aptamer in silico et vitro design. The new approach combines multiple steps: (1) Molecular design, based on screening in a DNA aptamer library and directed mutagenesis to fit the protein tertiary structure; (2) 3D molecular modeling of the target; (3) Molecular docking of an aptamer with the protein; (4) Molecular dynamics (MD) simulations of the complexes; (5) Quantum-mechanical (QM) evaluation of the interactions between aptamer and target with further analysis; (6) Experimental verification at each cycle for structure and binding affinity by using small-angle X-ray scattering, cytometry, and fluorescence polarization. By using a new iterative design procedure, structure- and interaction-based drug design (SIBDD), a highly specific aptamer to the receptor-binding domain of the SARS-CoV-2 spike protein, was developed and validated. The SIBDD approach enhances speed of the high-affinity aptamers development from scratch, using a target protein structure. The method could be used to improve existing aptamers for stronger binding. This approach brings to an advanced level the development of novel affinity probes, functional nucleic acids. It offers a blueprint for the straightforward design of targeting molecules for new pathogen agents and emerging variants.
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 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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 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) | 0,000 | 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».