Binding of SARS-CoV-2 Structural Proteins to Hemoglobin and Myoglobin Studied by SPR and DR LPG
Notice bibliographique
Résumé
One of the first clinical observations related to COVID-19 identified hematological dysfunctions. These were explained by theoretical modeling, which predicted that motifs from SARS-CoV-2 structural proteins could bind to porphyrin. At present, there is very little experimental data that could provide reliable information about possible interactions. The surface plasmon resonance (SPR) method and double resonance long period grating (DR LPG) were used to identify the binding of S/N protein and the receptor bind domain (RBD) to hemoglobin (Hb) and myoglobin (Mb). SPR transducers were functionalized with Hb and Mb, while LPG transducers, were only with Hb. Ligands were deposited by the matrix-assisted laser evaporation (MAPLE) method, which guarantees maximum interaction specificity. The experiments carried out showed S/N protein binding to Hb and Mb and RBD binding to Hb. Apart from that, they demonstrated that chemically-inactivated virus-like particles (VLPs) interact with Hb. The binding activity of S/N- and RBD proteins was assessed. It was found that protein binding fully inhibited heme functionality. The registered N protein binding to Hb/Mb is the first experimental fact that supports theoretical predictions. This fact suggests another function of this protein, not only binding RNA. The lower RBD binding activity reveals that other functional groups of S protein participate in the interaction. The high-affinity binding of these proteins to Hb provides an excellent opportunity for assessing the effectiveness of inhibitors targeting S/N proteins.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| 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 | 0,000 |
| 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 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 ».