The Second CACHE Challenge - Targeting the RNA-Binding Pocket of the SARS-CoV2 Nonstructural Protein 13 via a consensus-scoring method and FITTED templated docking.
Notice bibliographique
Résumé
Disrupting the Nonstructural Protein 13 (NSP13) in SARS-CoV2 could provide a great avenue for the treatment of COVID-19 and help reduce its enormous health burden. As part of the second CACHE challenge, we targeted each of two sub-pockets of the NSP13 RNA-binding site via a multi-pronged virtual screening (VS) campaign, using the latest functionality in FITTED, our docking program, part of the FORECASTER drug discovery suite. After extensive structure preparation and docking (rigid, flexible), we evaluated predicted poses from the VS using four approaches: docking score, machine learning (graph neural network), quantum-mechanics, and visualization, with the final selection being based on the consensus of all four approaches. Additionally, we implemented templated docking within FITTED to take advantage of fragments co-crystallized with NSP13, which supplemented our consensus selection. We now await the experimental testing of our predictions by the Structural Genomics Consortium, and once available, we will update this manuscript accordingly. In sharing our approach and findings, we hope to continue contributing to open science, and engaging in the ongoing effort of the scientific community towards ending COVID-19.
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 | 0,004 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,003 | 0,005 |
| Intégrité de la recherche | 0,000 | 0,002 |
| 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 ».