纳米材料与分子纳米技术杂志

量子相和 Chern-Simons 几何用于生成针对 COVID-19-SARS-COV-2 SPIKE D614G 结合位点的配体

 伊奥尼斯·格里戈里亚迪斯 

SARS 冠状病毒 2 (SARS-CoV-2) 的病毒 Spike (S) 编码了 SARS-COV-2 SPIKE D614G 突变蛋白,该蛋白在随时间推移的地区占主导地位,揭示了其所在地区关键病毒过程的动态方面,这意味着这种变化增强了病毒的传播。还观察到,感染假型 SG614 的 ACE2 表达细胞的逆转录病毒的感染效率明显高于假型 SD614 的 ACE2 表达细胞。较新的强大计算资源、分子建模技术和化学信息学质量数据的可用性使得生成可靠的代数计算以设计新的化学实体、合并化学品、记录天然产物和许多其他物质成为可能,从而推动了这一基于 AI 量子的药物设计领域的进一步发展和增长,以平衡结构复杂性和无法通过任何其他方法获得的生物物理预测质量之间的权衡。在本文中,我们强烈结合拓扑几何方法,在原子水平上针对 SARS-COV-2 病毒的蛋白质装置,这些方法在机器学习抗病毒特性上很简单,提出了计算机辅助合理的药物设计策略,这些策略在计算对接使用方面效率高,并且足够强大,以实现非常高的准确度,用于生成 AI-Quantum 设计的分子 ROCCUSTYRNATM 小分子,这是一种多靶向药物支架 (1S,2R,3S)-2-({[(1S,2S,4S,5R)-4-乙烯基-4-磺酰基双环[3,2,0]庚-2-基]氧基}氨基)-3-[(2R,5R)-5-(2-甲基-6-亚甲基-6,9-二氢-3H-嘌呤-9-基)-3-亚甲基氧杂环戊烷-2-基]膦-1-腈COVID-19-SARS-COV-2 SPIKE D614G 突变使用 Chern-Simons 拓扑欧几里得几何在 Lindenbaum-Tarski 生成的 QSAR 自动化建模和人工智能驱动的预测神经网络中进行。

免责声明: 此摘要通过人工智能工具翻译,尚未经过审核或验证