Microsecond molecular dynamics simulations revealed the inhibitory potency of amiloride analogs against SARS-CoV-2 E viroporin
Notice bibliographique
Résumé
Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) encodes small envelope protein (E) that plays a major role in viral assembly, release, pathogenesis, and host inflammation. Previous studies demonstrated that pyrazine ring containing amiloride analogs inhibit this protein in different types of coronavirus including SARS-CoV-1 small envelope protein E (SARS-CoV-1 E). SARS-CoV-1 E has 93.42% sequence identity with SARS-CoV-2 E and shared a conserved domain NS3/small envelope protein (NS3_envE). Amiloride analog hexamethylene amiloride (HMA) can inhibit SARS-CoV-1 E. Therefore, we performed molecular docking and dynamics simulations to explore whether amiloride analogs are effective in inhibiting SARS-CoV-2 E. To do so, SARS-CoV-1 E and SARS-CoV-2 E proteins were taken as receptors while HMA and 3-amino-5-(azepan-1-yl)-N-(diaminomethylidene)-6-pyrimidin-5-ylpyrazine-2-carboxamide (3A5NP2C) were selected as ligands. Molecular docking simulation showed higher binding affinity scores of HMA and 3A5NP2C for SARS-CoV-2 E than SARS-CoV-1 E. Moreover, HMA and 3A5NP2C engaged more amino acids in SARS-CoV-2 E. Molecular dynamics simulation for 1 μs (1,000 ns) revealed that these ligands could alter the native structure of the proteins and their flexibility. Our study suggests that suitable amiloride analogs might yield a prospective drug against coronavirus disease 2019.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,001 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 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 ».