Combining computational and experimental evidence on the activity of antimalarial drugs on <scp>papain‐like</scp> protease of <scp>SARS‐CoV</scp>‐2: A repurposing study
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
The development of inhibitors that target the papain-like protease (PLpro) has the potential to counteract the spread of severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), the agent causing coronavirus disease 2019 (COVID-19). Based on a consideration of its several downstream effects, interfering with PLpro would both revert immune suppression exerted by the virus and inhibit viral replication. By following a repurposing strategy, the current study evaluates the potential of antimalarial drugs as PLpro inhibitors, and thereby the possibility of their use for treatment of SARS-CoV-2 infection. Computational tools were employed for structural analysis, molecular docking, and molecular dynamics simulations to screen antimalarial drugs against PLpro, and in silico data were validated by in vitro experiments. Virtual screening highlighted amodiaquine and methylene blue as the best candidates, and these findings were complemented by the in vitro results that indicated amodiaquine as a μM PLpro deubiquitinase inhibitor. The results of this study demonstrate that the computational workflow adopted here can correctly identify active compounds. Thus, the highlighted antimalarial drugs represent a starting point for the development of new PLpro inhibitors through structural optimization.
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 | 0,003 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| 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 | 0,001 |
| 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