Dock-able linear and homodetic di, tri, tetra and pentapeptide library from canonical amino acids: SARS-CoV-2 Mpro as a case 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
Peptide-based therapeutics are increasingly pushing to the forefront of biomedicine with their promise of high specificity and low toxicity. Although noncanonical residues can always be used, employing only the natural 20 residues restricts the chemical space to a finite dimension allowing for comprehensive in silico screening. Towards this goal, the dataset comprising all possible di-, tri-, and tetra-peptide combinations of the canonical residues has been previously reported. However, with increasing computational power, the comprehensive set of pentapeptides is now also feasible for screening as the comprehensive set of cyclic peptides comprising four or five residues. Here, we provide both the complete and prefiltered libraries of all di-, tri-, tetra-, and penta-peptide sequences from 20 canonical amino acids and their homodetic (N-to-C-terminal) cyclic homologues. The FASTA, simplified molecular-input line-entry system (SMILES), and structure-data file (SDF)-three dimension (3D) libraries can be readily used for screening against protein targets. We also provide a simple method and tool for conducting identity-based filtering. Access to this dataset will accelerate small peptide screening workflows and encourage their use in drug discovery campaigns. As a case study, the developed library was screened against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) main protease to identify potential small peptide inhibitors.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,001 |
| 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