Aller au contenu principal
Accès ouvert déclaré 2023 preprint

AI-guided pipeline for protein-protein interaction drug discovery identifies a SARS-CoV-2 inhibitor

6Citations signalées, ce qui n’est pas une note de qualité
18Institutions déclarées
6Pays d’affiliation déclarés

Rattachement africain : at, de, be, us, fr, ae. Niveau de preuve : code pays fourni par la source.

Le résumé fourni par la source

Protein-protein interactions (PPIs) offer great opportunities to expand the druggable proteome and therapeutically tackle various diseases, but remain challenging targets for drug discovery. Here, we provide a comprehensive pipeline that combines experimental and computational tools to identify and validate PPI targets and perform early-stage drug discovery. We have developed a machine learning approach that prioritizes interactions by analyzing quantitative data from binary PPI assays and AlphaFold-Multimer predictions. Using the quantitative assay LuTHy together with our machine learning algorithm, we identified high-confidence interactions among SARS-CoV-2 proteins for which we predicted three-dimensional structures using AlphaFold Multimer. We employed VirtualFlow to target the contact interface of the NSP10-NSP16 SARS-CoV-2 methyltransferase complex by ultra-large virtual drug screening. Thereby, we identified a compound that binds to NSP10 and inhibits its interaction with NSP16, while also disrupting the methyltransferase activity of the complex, and SARS-CoV-2 replication. Overall, this pipeline will help to prioritize PPI targets to accelerate the discovery of early-stage drug candidates targeting protein complexes and pathways.

Ce résumé expose les affirmations des auteurs. BNTIC ne l’interprète pas comme une validation indépendante des résultats.

Le contrôle bibliographique ouvert

DOI retrouvé dans Crossref DOI retrouvé ; titre concordant.

Titre Crossref
AI-guided pipeline for protein-protein interaction drug discovery identifies a SARS-CoV-2 inhibitor
Date Crossref
14/06/2023
Éditeur
openRxiv
Type
posted-content

Ce recoupement confirme des métadonnées liées au DOI. Il ne confirme ni la méthode ni les conclusions de l’étude, et il ne compte pas comme une seconde source scientifique indépendante.

Où se fait cette recherche

  • Institute of Molecular Biotechnology Brain Development and Disease pays non établi dans la notice
    Structure de recherche
  • Austrian Academy of Sciences pays non établi dans la notice
    Organisme public
  • Max Delbrück Center Proteomics and Molecular Mechanisms of Neurodegenerative Diseases pays non établi dans la notice
    Structure de recherche
  • Zuse Institute Berlin pays non établi dans la notice
    Structure de recherche
  • University of Liège Laboratory of Viral Interactomes pays non établi dans la notice
    Université ou école supérieure
  • Harvard University pays non établi dans la notice
    Université ou école supérieure
  • Boston VA Research Institute pays non établi dans la notice
    Organisation à but non lucratif
  • Dana-Farber Cancer Institute Center for Cancer Systems Biology (CCSB) pays non établi dans la notice
    Structure de recherche
  • Centre National de la Recherche Scientifique pays non établi dans la notice
    Organisme public
  • Institut Pasteur pays non établi dans la notice
    Organisation à but non lucratif
  • Université Paris Cité pays non établi dans la notice
    Université ou école supérieure
  • Fraunhofer Institute for Applied Polymer Research Multifunctional Colloids and Coating pays non établi dans la notice
    Structure de recherche

Brain Development and Disease — Institute of Molecular Biotechnology, Austrian Academy of Sciences et Proteomics and Molecular Mechanisms of Neurodegenerative Diseases — Max Delbrück Center, avec 9 autres affiliations.

Une affiliation ne permet pas de déduire la nationalité d’un auteur.

Les sujets associés

Computational Drug Discovery MethodsBioinformatics and Genomic NetworksMachine Learning in Materials Science

BNTIC News n’est pas le producteur de ces données. Les publications sont interrogées à la demande dans Crossref, OpenAIRE, DOAJ, Europe PMC, HAL, DataCite, AfricArXiv, ROR et la Banque mondiale, sans clé d’accès. OpenAlex reste optionnel. Aucun service payant n’est nécessaire et aucune donnée externe n’est enregistrée en base. Consulter les sources et leurs limites.