A molecularly engineered, broad-spectrum anti-coronavirus lectin inhibits SARS-CoV-2 and MERS-CoV infection in vivo
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
"Pan-coronavirus" antivirals targeting conserved viral components can be designed. Here, we show that the rationally engineered H84T-banana lectin (H84T-BanLec), which specifically recognizes high mannose found on viral proteins but seldom on healthy human cells, potently inhibits Middle East respiratory syndrome coronavirus (MERS-CoV), severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) (including Omicron), and other human-pathogenic coronaviruses at nanomolar concentrations. H84T-BanLec protects against MERS-CoV and SARS-CoV-2 infection in vivo. Importantly, intranasally and intraperitoneally administered H84T-BanLec are comparably effective. Mechanistic assays show that H84T-BanLec targets virus entry. High-speed atomic force microscopy depicts real-time multimolecular associations of H84T-BanLec dimers with the SARS-CoV-2 spike trimer. Single-molecule force spectroscopy demonstrates binding of H84T-BanLec to multiple SARS-CoV-2 spike mannose sites with high affinity and that H84T-BanLec competes with SARS-CoV-2 spike for binding to cellular ACE2. Modeling experiments identify distinct high-mannose glycans in spike recognized by H84T-BanLec. The multiple H84T-BanLec binding sites on spike likely account for the drug compound's broad-spectrum antiviral activity and the lack of resistant mutants.
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) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,001 |
| 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 | 0,001 |
| 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