MétaCan
Menu
Retour à la cohorte
Enregistrement W4281714750 · doi:10.1007/s44229-022-00004-z

In Silico Identification of Potential Inhibitors of the SARS-CoV-2 Nucleocapsid Through Molecular Docking-Based Drug Repurposing

2022· article· en· W4281714750 sur OpenAlexaff
Rukhsar Afreen, Saleem Iqbal, Ab Rauf Shah, Heena Afreen, Lata Vodwal, Mohd. Shkir

Notice bibliographique

RevueDr Sulaiman Al Habib Medical Journal · 2022
Typearticle
Langueen
DomaineMedicine
ThématiqueSARS-CoV-2 and COVID-19 Research
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésDocking (animal)Protein Data Bank (RCSB PDB)AutoDockBinding siteIn silicoDrug discoveryComputational biologyViral proteinDrug repositioningBiologyPhosphoproteinPlasma protein bindingDrugBankChemistryVirologyBiochemistryDrugVirusPharmacologyMedicineGene

Résumé

récupéré en direct d'OpenAlex

SARS-CoV-2 is the virus responsible for the COVID-19 pandemic, and its effects on people worldwide continue to grow. Protein-targeted therapeutics are currently unavailable for this virus. As with other coronaviruses, the nucleocapsid (N) protein is the most conserved RNA-binding structural protein of SARS-CoV-2. The N protein is an appealing target because of its functional role in viral transcription and replication. Therefore, molecular docking method for structure-based drug design was used to investigate the binding energy and binding modes of various anti-N inhibitors in depth. The inhibitors selected were originally developed to target stress granules and other molecules involved in RNA biology, and were either FDA-approved or in the process of clinical trials for COVID-19. We aimed at targeting the N-terminal RNA binding domain (NTD) for molecular docking-based screening, on the basis of the first resolved crystal structure of SARS-CoV-2 N protein (PDB ID: 6M3M) and C-terminal domain (CTD) dimerization of the nucleocapsid phosphoprotein of SARS-COV-2 (PDB ID: 6WJI). Silmitasertib, nintedanib, ternatin, luteolin, and fedratinib were found to interact with RNA binding sites and to form a predicted protein interface with high binding energy. Similarly, silmitasertib, sirolimus-rapamycin, dovitinib, nintedanib, and fedratinib were found to interact with the SARS-CoV-2 N protein at its CTD dimerization sites, according to previous studies. In addition, we investigated an information gap regarding the relationships among the energetic landscape and stability and drug binding of the SARS-CoV-2 N NTD and CTD. Our in silico results clearly indicated that several tested drugs as potent putative inhibitors for COVID-19 therapeutics, thus indicating that they should be further validated as treatments to slow the spread of SARS-CoV-2.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,003
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,018
Score d'incertitude au seuil0,716

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0030,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,001
Études des sciences et des technologies0,0000,001
Communication savante0,0000,000
Science ouverte0,0010,000
Intégrité de la recherche0,0000,002
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,019
Tête enseignante GPT0,336
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueDr Sulaiman Al Habib Medical JournalMême sujetSARS-CoV-2 and COVID-19 ResearchTravaux en français237 207