数据挖掘指导的亲和力超选用于药用草药中SARS-CoV-2 3CL^pro抑制剂的快速选

科学领域:

• 药理学
• 传统中国医学
• 病毒学

背景情况:

• 传统中国医学 (TCM) 在治疗COVID-19症状方面表现有前途.
• 负责抗COVID-19作用的TCM中的活性化合物基本上是未知的.
• 需要一种新的策略来确定这些关键因素.

研究的目的:

• 开发和应用一种用于COVID-19的TCM活性成分的新策略.
• 在COVID-19治疗中使用的高频草药中选潜在的生物活性成分.
• 验证已确定的化合物的抗COVID-19潜力.

主要方法:

• 结合数据挖掘和亲和超过 (AUF) 的综合方法.
• 通过数据挖掘确定了COVID-19的高频草药.
• 使用AUF选的潜在生物活性成分,并通过质谱检测确定.
• 用于验证的酶活性测定,分子对接,细胞和动物模型.

主要成果:

• 鉴定出高频的草药是葡萄糖草 (Glycyrrhiza uralensis),日本草 (Lonicera japonica) 和悬浮草 (Forsythia suspensa).
• 选了五种潜在的3 - 基摩素类蛋白酶抑制剂 (3CLpro).
• 利科卡尔康C (LCC) 和福西提亚塞德A (FTA) 在体外抑制了SARS-CoV-2的复制.
• 在小鼠模型中,FTA在抑制肺炎方面表现出有效性.

结论:

• 一个新的数据挖掘和AUF策略有效地识别了TCM中的活性化合物.
• 利科卡尔康C和福西西亚塞德A被确定为SARS-CoV-2的强有力的抑制剂.
• 这些发现支持TCM的新型COVID-19治疗方法的开发.