Human protein interaction networks of ancestral and variant SARS-CoV-2 in organ-specific cells and bodily fluids
Notice bibliographique
Résumé
Understanding SARS-CoV-2 human protein-protein interactions (PPIs) and the host response to infection is essential for developing effective COVID-19 antivirals. However, how the ancestral virus and its variants remodel virus-host protein assemblies in various organ-specific cells and bodily fluids remains unclear. Here, we conduct 639 affinity-purifications by tagging and expressing 28 SARS-CoV-2 and spike proteins from the ancestral virus and four variants in eight cell lines representing five mammalian organs and the immune system. Using mass spectrometry (MS), we identify both known and previously unreported SARS-CoV-2-human PPIs, highlighting similarities and differences across organ- or immune-derived cell lines and virus strains. Besides verifying the cell- and variant-specific PPIs, co-fractionation-MS analysis of COVID-19 patients' saliva confirm host PPI changes between SARS-CoV-2 strains. We discover that the NSP3 papain-like protease, a secreted protein, binds fibrinogen to induce abnormal blood clotting and interferon-induced proteins to evade host innate immune responses. Leveraging deep learning, we design peptide inhibitors that successfully blocked SARS-CoV-2 and variant replication in human liver cells, reversing virus-induced PPI alterations. Together, these findings provide molecular insights into SARS-CoV-2 biology, uncover reorganized viral-host protein assemblies during infection, and identify potential host therapeutic targets and inhibitors for developing antivirals against SARS-CoV-2 strains.
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 | 0,001 | 0,001 |
| 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) | 0,001 | 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 ».