MétaCan
Menu
Retour à la cohorte
Enregistrement W4410975973 · doi:10.1093/infdis/jiaf294

Functional and Structural Characterization of Treatment-Emergent Nirmatrelvir Resistance Mutations at Low Frequencies in the Main Protease (Mpro) Reveals a Unique Evolutionary Route for SARS-CoV-2 to Gain Resistance

2025· article· en· W4410975973 sur OpenAlexafffund
Natalie M. Deschenes, Jimena Pérez‐Vargas, Zoë Zhong, Merrilee Thomas, Calem Kenward, W.A. Mosimann, L.J. Worrall, Nicholas Waglechner, Aoxiang Li, Finlay Maguire, Patryk Aftanas, Jason R. Smith, Robert N. Young, Artem Cherkasov, Lubna Farooqi, Lina Siddiqi, Maxime Lefebvre, Mark Paetzel, N.C.J. Strynadka, François Jean, Allison McGeer, Robert Kozak

Notice bibliographique

RevueThe Journal of Infectious Diseases · 2025
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensSimon Fraser UniversityUniversity of TorontoPrevention of Organ FailureDalhousie UniversitySunnybrook Health Science CentreSinai Health SystemUniversity of British ColumbiaSunnybrook HospitalMount Sinai Hospital
Organismes subventionnairesNational Institute of Allergy and Infectious DiseasesNatural Sciences and Engineering Research Council of CanadaCanadian Institutes of Health ResearchCanada Foundation for InnovationNational Institutes of HealthGovernment of SaskatchewanNational Research Council Sri LankaUniversity of Saskatchewan
Mots-clésProteaseResistance (ecology)BiologyMutationCoronavirus disease 2019 (COVID-19)Severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2)VirologyGeneticsMedicineEnzymeGenePathologyEcologyDisease

Résumé

récupéré en direct d'OpenAlex

BACKGROUND: The main protease (Mpro) is one of the most attractive targets for antiviral drug discovery against severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2). Mutations in Mpro have been linked to resistance against nirmatrelvir-ritonavir (NIR-RIT), an important therapy for SARS-CoV-2 infection. This study aimed to identify low-frequency antiviral resistance mutations in Mpro from NIR-RIT-treated patients and to analyze the enzymatic properties, inhibitor susceptibility, and structural features of new Mpro clinical variants. METHODS: We screened 1528 SARS-CoV-2-positive patients from 2 hospitals and identified 17 who remained positive after treatment. Whole-genome sequencing of nasopharyngeal specimens was conducted to identify Mpro clinical variants. The impact of these mutations on Mpro activity and inhibitor susceptibility was investigated using a fluorescent enzymatic biosensor in human cells, along with in vitro thermal stability and structure-based analyses of the Mpro mutants and Mpro-NIR complexes. RESULTS: The analysis identified 2 novel Mpro clinical variants: D48D/L58F/P132H (variant 1) and D48D/L67V/K90R/P132H (variant 2). Our data show that the selected clinical mutations are localized in the Mpro N-terminal domain, are far from the catalytic site, and strongly impact NIR resistance without affecting Mpro activity. Structural analysis and thermal denaturation analyses revealed that these mutations may disrupt the substrate binding site's structure and dynamics, reducing protein stability and potentially impacting substrate binding or dimerization without compromising catalytic activity. CONCLUSIONS: Our new Mpro clinical mutations that confer complete resistance to NIR were not identified during previous cell-culture-based studies. More research is needed to explore resistance mechanisms, providing insights into strategies that mitigate resistance and protect therapeutic efficacy.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: aucune
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,001
Score d'incertitude au seuil0,003

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,017
Tête enseignante GPT0,292
Écart entre enseignants0,275 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations3
Publié2025
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueThe Journal of Infectious DiseasesMême sujetComputational Drug Discovery MethodsTravaux en français237 207