KR20220061025A - Corona virus infection treatment substance development method and system - Google Patents
Corona virus infection treatment substance development method and system Download PDFInfo
- Publication number
- KR20220061025A KR20220061025A KR1020210149449A KR20210149449A KR20220061025A KR 20220061025 A KR20220061025 A KR 20220061025A KR 1020210149449 A KR1020210149449 A KR 1020210149449A KR 20210149449 A KR20210149449 A KR 20210149449A KR 20220061025 A KR20220061025 A KR 20220061025A
- Authority
- KR
- South Korea
- Prior art keywords
- drug
- unit
- candidate
- coronavirus
- data
- Prior art date
Links
Images
Classifications
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/50—Molecular design, e.g. of drugs
-
- A—HUMAN NECESSITIES
- A61—MEDICAL OR VETERINARY SCIENCE; HYGIENE
- A61P—SPECIFIC THERAPEUTIC ACTIVITY OF CHEMICAL COMPOUNDS OR MEDICINAL PREPARATIONS
- A61P31/00—Antiinfectives, i.e. antibiotics, antiseptics, chemotherapeutics
- A61P31/12—Antivirals
- A61P31/14—Antivirals for RNA viruses
-
- G—PHYSICS
- G06—COMPUTING; CALCULATING OR COUNTING
- G06N—COMPUTING ARRANGEMENTS BASED ON SPECIFIC COMPUTATIONAL MODELS
- G06N20/00—Machine learning
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/30—Prediction of properties of chemical compounds, compositions or mixtures
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16C—COMPUTATIONAL CHEMISTRY; CHEMOINFORMATICS; COMPUTATIONAL MATERIALS SCIENCE
- G16C20/00—Chemoinformatics, i.e. ICT specially adapted for the handling of physicochemical or structural data of chemical particles, elements, compounds or mixtures
- G16C20/70—Machine learning, data mining or chemometrics
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/50—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for simulation or modelling of medical disorders
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/70—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for mining of medical data, e.g. analysing previous cases of other patients
-
- G—PHYSICS
- G16—INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR SPECIFIC APPLICATION FIELDS
- G16H—HEALTHCARE INFORMATICS, i.e. INFORMATION AND COMMUNICATION TECHNOLOGY [ICT] SPECIALLY ADAPTED FOR THE HANDLING OR PROCESSING OF MEDICAL OR HEALTHCARE DATA
- G16H50/00—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics
- G16H50/80—ICT specially adapted for medical diagnosis, medical simulation or medical data mining; ICT specially adapted for detecting, monitoring or modelling epidemics or pandemics for detecting, monitoring or modelling epidemics or pandemics, e.g. flu
Abstract
Description
본 발명은 코로나 바이러스 감염증 치료 물질 발굴 방법 및 시스템에 관한 것으로, 보다 상세하게는 인공지능(AI)를 이용한 코로나 바이러스 감염증 치료 물질 발굴 방법 및 시스템에 관한 것이다.The present invention relates to a method and system for discovering a substance for treating a coronavirus infection, and more particularly, to a method and system for discovering a substance for treating a coronavirus infection using artificial intelligence (AI).
코로나바이러스감염증-19(coronavirus disease 2019, COVID-19)는 2019년 중국 후베이성의 우한시에서 처음 발견된 바이러스로, 코로나바이러스(Coronaviridae) 군에 속한다. 아직까지 명확한 감염원과 감염경로는 확인되지 않았으나, 우한 지역의 박쥐와의 접촉을 통해 감염되었을 가능성이 높고 사람 간 밀접접촉에 의한 전파가 가능하다고 보고되었다. 또한, 상기 COVID-19는 잠복기가 2주일가량이며 발열을 동반한 기침, 호흡곤란, 숨가쁨, 가래 등 호흡기 증상을 주로 보이고, 그 이외에도 두통, 오한, 콧물, 근육통뿐만 아니라 식욕부진, 메스꺼움, 구토, 복통, 설사 등 소화기 증상도 나타날 수 있다고 알려져 있다.Coronavirus disease 2019 (COVID-19) is a virus first discovered in Wuhan City, Hubei Province, China in 2019, and belongs to the family of coronaviruses (Coronaviridae). Although the source and route of infection have not yet been identified, it has been reported that infection is highly likely through contact with bats in the Wuhan area, and transmission is possible through close human-to-human contact. In addition, the COVID-19 has an incubation period of about 2 weeks and mainly shows respiratory symptoms such as cough accompanied by fever, shortness of breath, shortness of breath, and sputum. It is also known that digestive symptoms such as abdominal pain and diarrhea may appear.
상기 감염증의 원인이 되는 코로나바이러스(CoV)는 β-코로나바이러스 속에 속하는 바이러스로서, 구조적 단백질 및 비 구조적 단백질 둘 다를 발현하는 30.1kb의 큰 양의-센스 단일 가닥 RNA 게놈을 포함한다. 상기 CoV RNA는 숙주 세포에 도입되어, 바이러스 복제 및 전사에 필요한 16 개의 비 구조 단백질(NSP)로 전사될 수 있는 2개의 다단백질성 유전자(pp1a 및 pp1ab)를 전달한다. CoV 폴리프로테인은 파파인-유사 프로테아제(PLpro) 및 3C-유사 프로테아제(3CLpro)로 자가-절단된 후, 복제 효소인 RNA-의존적 RNA 폴리머라제(RdRp), 헬리카제 및 엑소뉴클레아제를 발현시킨다.Coronavirus (CoV), which is the causative agent of the above infectious disease, is a virus belonging to the genus β-coronavirus, and contains a large amount-sense single-stranded RNA genome of 30.1 kb expressing both structural and non-structural proteins. The CoV RNA is introduced into the host cell to deliver two polyproteinaceous genes (pp1a and pp1ab) that can be transcribed into 16 non-structural proteins (NSPs) required for viral replication and transcription. CoV polyproteins are self-cleaved with papain-like proteases (PLpro) and 3C-like proteases (3CLpro), followed by expression of the replication enzymes RNA-dependent RNA polymerase (RdRp), helicase and exonuclease.
상기 효소 중에서 RNA-의존적 RNA 폴리머 라제(RdRp)는 감염 과정 초기에 발현되는 nsp12 유전자에 의해 암호화된 106.9-kDa 단백질이며 바이러스 복제에 매우 중요한 역할을 담당한다고 알려져 있기 때문에, 항 바이러스 치료의 주요한 표적으로 주목받고 있다. 예를 들어, 급성 호흡기 증후군 코로나바이러스(SARS-CoV)의 감염증을 치료하기 위하여 개발된 헬리카제 억제제는 RdRp의 기능을 억제하여 SARS-CoV의 복제를 억제한다고 알려져 있다.Among these enzymes, RNA-dependent RNA polymerase (RdRp) is a 106.9-kDa protein encoded by the nsp12 gene expressed early in the infection process and is known to play a very important role in viral replication, making it a major target for antiviral therapy. is attracting attention. For example, it is known that a helicase inhibitor developed to treat infection of acute respiratory syndrome coronavirus (SARS-CoV) inhibits SARS-CoV replication by inhibiting the function of RdRp.
한편, 뉴클레오시드 유사체는 바이러스 복제를 위한 단백질, 특히 바이러스 DNA 또는 RNA 폴리머라제를 표적으로하며, 다수의 바이러스 감염을 치료하는데 효과적인 것으로 알려져 있다.On the other hand, nucleoside analogs target proteins for viral replication, particularly viral DNA or RNA polymerase, and are known to be effective in treating many viral infections.
예를 들어, C 형 간염 바이러스 (HCV) RdRp 억제제는 임상 치료에서 높은 성공률을 나타내고, 리바비린(Ribavirin) 트리포스페이트는 HCV RdRp를 억제하는 것으로 알려져 있으며, 소포스부비르(Sofosbuvir)는 NS5B 폴리머라제에 의해 HCV RNA에 도입되는 뉴클레오티드 유사체로서 알려져 있다.For example, hepatitis C virus (HCV) RdRp inhibitors show high success rates in clinical treatment, Ribavirin triphosphate is known to inhibit HCV RdRp, and Sofosbuvir is induced by NS5B polymerase. It is known as a nucleotide analogue that is introduced into HCV RNA.
최근에는 전 세계적인 문제가 되고 있는, COVID19를 치료하기 위한 다양한 연구가 수행되고 있는데, 예를 들어, COVID-19 치료제로 승인된 렘데시비르는 광범위 코로나바이러스 RdRp 억제제로 알려져 있다. 이와 같이, 코로나 바이러스 RdRp 또한 코로나바이러스 감염증 치료 후보약물의 주요한 타겟임에도 불구하고, 코로나바이러스 RdRp를 타겟으로 하는 후보 약물의 효율적인 발굴 방법이 개발되지 못하였다. 따라서, 감염을 예방 또는 치료할 수 있는 후보약물을 보다 효과적으로 발굴하는 방법이 절실히 필요한 실정이다.Recently, various studies are being conducted to treat COVID-19, which is a global problem. For example, remdesivir, approved as a treatment for COVID-19, is known as a broad-spectrum coronavirus RdRp inhibitor. As such, even though the coronavirus RdRp is also a major target of a candidate drug for treating coronavirus infection, an efficient method for discovering a candidate drug targeting the coronavirus RdRp has not been developed. Therefore, there is an urgent need for a method for more effectively discovering a candidate drug capable of preventing or treating infection.
본 발명은 전술한 문제를 해결하기 위해 안출된 것으로서, 본 발명에 따르면 리간드들의 구조를 학습하는 생성 모델을 구성하고, 약물 유사성(Drug-like)을 가지는 화학 공간(chemical space)의 구조적 정보들을 뽑아낸 후, 그 구조들을 이용해 인공지능(AI: Artificial Intelligence)을 통해 비슷한 구조의 약물들을 생성하도록 학습시키고자 한다.The present invention has been devised to solve the above problem. According to the present invention, a generative model for learning the structure of ligands is constructed, and structural information of a chemical space having drug-like properties is extracted. After releasing the drug, we want to learn to create drugs with similar structures through artificial intelligence (AI) using those structures.
또한, 본 발명에 따르면 인공지능에 기반한 약물 재창출 방법을 통해 발굴한 물질이, 코로나(corona) 바이러스 감염증 치료에 효과가 있음을 실험을 통해 확인하고자 한다.In addition, according to the present invention, it is intended to confirm through an experiment that the material discovered through the drug re-creation method based on artificial intelligence is effective in treating corona virus infection.
전술한 문제를 해결하기 위한 본 발명의 실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 방법은 데이터 구성부가 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성하는 데이터 구성 단계; 정보 선별부가 상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별하는 선별 단계; 약물 생성부가 상기 비 약물과 유사 구조의 약물을 생성하는 약물 생성 단계; 및 약물 도출부가 상기 생성된 약물 중에서 후보 약물을 도출하는 약물 도출 단계;를 포함하여 구성된다.A method for discovering a treatment material for coronavirus infection according to an embodiment of the present invention for solving the above-described problem includes: a data configuration step of configuring combinable data in which a data configuration unit is composed of candidates capable of combining with the corona virus; a screening step of selecting information of non-drugs capable of binding to the corona virus from among the combinable data by the information selection unit; a drug generating step in which the drug generating unit generates a drug having a structure similar to that of the non-drug; and a drug derivation step in which the drug derivation unit derives a candidate drug from the generated drugs.
본 발명의 다른 일실시예에 따르면, 상기 데이터 구성 단계는 상기 데이터 구성부가 3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 상기 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성할 수 있다.According to another embodiment of the present invention, in the data constructing step, the data constructing unit extracts structural information of a chemical space having drug similarity with 3C-like protease, and binds to the corona virus It is possible to construct combinable data composed of possible candidates.
본 발명의 다른 일실시예에 따르면, 상기 약물 생성 단계는 상기 약물 생성부가 Conditional VAE를 이용해 상기 비 약물과 유사 구조의 약물을 생성할 수 있다.According to another embodiment of the present invention, in the drug generating step, the drug generating unit may generate a drug having a structure similar to that of the non-drug using conditional VAE.
본 발명의 다른 일실시예에 따르면, 상기 약물 도출 단계는 상기 약물 도출부가 상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출할 수 있다.According to another embodiment of the present invention, in the drug derivation step, the drug derivation unit may derive a candidate drug according to a result of comparing the similarity between the generated drug and the FDA-approved drug.
본 발명의 다른 일실시예에 따르면, 상기 데이터 구성 단계의 이후에 결합 분석부가 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석하는 단계; 데이터베이스 구축부가 상기 분석한 결과를 이용해 데이터베이스를 구축하는 단계; 및 후보 약물 추천부가 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천하는 단계;를 더 포함할 수 있다.According to another embodiment of the present invention, analyzing the binding between the structural information and the FDA approved drug and the extracted structural information after the data configuration step; constructing a database using the result of the analysis by the database building unit; and recommending, by a candidate drug recommendation unit, a candidate drug through big data analysis with respect to the database.
본 발명의 다른 일실시예에 따르면, 치료 물질 발굴부가 상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴하는 단계;를 더 포함할 수 있다.According to another embodiment of the present invention, information on which a therapeutic substance discovery unit derives a candidate drug from the generated drugs of the drug derivation unit and information on which a candidate drug is recommended through big data analysis on the database of the candidate drug recommendation unit It may further include a step of discovering a treatment material for corona virus infection by synthesizing them.
본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템은 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성하는 데이터 구성부; 상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별하는 정보 선별부; 상기 비 약물과 유사 구조의 약물을 생성하는 약물 생성부; 및 상기 생성된 약물 중에서 후보 약물을 도출하는 약물 도출부;를 포함할 수 있다.A corona virus infection treatment material discovery system according to an embodiment of the present invention includes: a data configuration unit that configures combinable data composed of candidates capable of combining with the corona virus; an information selection unit for selecting information on non-drugs that can be combined with coronavirus from among the combinable data; a drug generating unit for generating a drug having a structure similar to that of the non-drug; and a drug derivation unit for deriving a candidate drug from among the generated drugs.
본 발명의 다른 일실시예에 따르면, 상기 데이터 구성부는 3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성할 수 있다.According to another embodiment of the present invention, the data construction unit extracts structural information of a chemical space having drug similarity to 3C-like protease, and a combination composed of candidates capable of binding to coronavirus. Possible data can be configured.
본 발명의 다른 일실시예에 따르면, 상기 약물 생성부는 Conditional VAE를 이용해 상기 비 약물과 유사 구조의 약물을 생성할 수 있다.According to another embodiment of the present invention, the drug generating unit may generate a drug having a structure similar to that of the non-drug using conditional VAE.
본 발명의 다른 일실시예에 따르면, 상기 약물 도출부는 상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출할 수 있다.According to another embodiment of the present invention, the drug derivation unit may derive a candidate drug according to a result of comparing the similarity between the generated drug and the FDA-approved drug.
본 발명의 다른 일실시예에 따르면, 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석하는 결합 분석부; 상기 분석한 결과를 이용해 데이터베이스를 구축하는 데이터베이스 구축부; 및 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천하는 후보 약물 추천부;를 더 포함할 수 있다.According to another embodiment of the present invention, a binding analysis unit for analyzing the binding of the extracted structural information and FDA-approved drug; a database building unit for constructing a database using the analysis result; and a candidate drug recommendation unit that recommends a candidate drug through big data analysis with respect to the database.
본 발명의 다른 일실시예에 따르면, 상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴하는 치료 물질 발굴부;를 더 포함할 수 있다.According to another embodiment of the present invention, the information on deriving a candidate drug from the generated drugs of the drug derivation unit and information on recommending a candidate drug through big data analysis on the database of the candidate drug recommendation unit are synthesized to obtain a corona virus. It may further include; a therapeutic material excavation unit for discovering a virus infection treatment material.
본 발명에 따르면 리간드들의 구조를 학습하는 생성 모델을 구성하고, 약물 유사성(Drug-like)을 가지는 화학 공간(chemical space)의 구조적 정보들을 뽑아낸 후, 그 구조들을 이용해 인공지능(AI: Artificial Intelligence)을 통해 비슷한 구조의 약물들을 생성하도록 학습할 수 있다.According to the present invention, after constructing a generative model for learning the structure of ligands, extracting structural information of a chemical space having drug-like properties, and using the structures, AI (Artificial Intelligence) ) to learn to create drugs with similar structures.
또한, 본 발명에 따르면 인공지능에 기반한 약물 재창출 방법을 통해 발굴한 물질이, 코로나(corona) 바이러스 감염증 치료에 효과가 있음을 실험을 통해 확인할 수 있다.In addition, according to the present invention, it can be confirmed through an experiment that the material discovered through the drug re-creation method based on artificial intelligence is effective in treating corona virus infection.
도 1은 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 및 발굴 방법을 설명하기 위한 흐름도이다.
도 2는 본 발명의 일실시예에 따른 3C 유사 프로테아제(3C-like protease)를 설명하기 위한 도면이다.
도 3은 본 발명의 일실시예에 따른 3C 유사 프로테아제(3C-like protease)에 결합(binding) 가능한 분자구조를 생성하는 발명을 설명하기 위한 도면이다.
도 4는 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템의 구성도이다.
도 5 및 도 6은 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 결과를 설명하기 위한 도면이다.1 is a flowchart for explaining a material for treating a coronavirus infection and a method for excavation according to an embodiment of the present invention.
2 is a view for explaining a 3C-like protease according to an embodiment of the present invention.
3 is a view for explaining the invention for generating a molecular structure capable of binding to a 3C-like protease (3C-like protease) according to an embodiment of the present invention.
4 is a block diagram of a system for discovering a treatment material for corona virus infection according to an embodiment of the present invention.
5 and 6 are views for explaining the results of discovering a treatment material for corona virus infection according to an embodiment of the present invention.
이하에서는 첨부한 도면을 참조하여 바람직한 본 발명의 일실시예에 대해서 상세히 설명한다. 다만, 실시형태를 설명함에 있어서, 관련된 공지 기능 혹은 구성에 대한 구체적인 설명이 본 발명의 요지를 불필요하게 흐릴 수 있다고 판단되는 경우 그에 대한 상세한 설명은 생략한다. 또한, 도면에서의 각 구성요소들의 크기는 설명을 위하여 과장될 수 있으며, 실제로 적용되는 크기를 의미하는 것은 아니다.Hereinafter, an exemplary embodiment of the present invention will be described in detail with reference to the accompanying drawings. However, in describing the embodiment, when it is determined that a detailed description of a related known function or configuration may unnecessarily obscure the gist of the present invention, a detailed description thereof will be omitted. In addition, the size of each component in the drawings may be exaggerated for explanation, and does not mean the size actually applied.
도 1은 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 및 발굴 방법을 설명하기 위한 흐름도이고, 도 2는 본 발명의 일실시예에 따른 3C 유사 프로테아제(3C-like protease)를 설명하기 위한 도면이고, 도 3은 본 발명의 일실시예에 따른 3C 유사 프로테아제(3C-like protease)에 결합(binding) 가능한 분자구조를 생성하는 발명을 설명하기 위한 도면이다.1 is a flowchart for explaining a corona virus infection treatment material and an excavation method according to an embodiment of the present invention, and FIG. 2 is a 3C-like protease according to an embodiment of the present invention. 3 is a diagram for explaining the invention for generating a molecular structure capable of binding to a 3C-like protease according to an embodiment of the present invention.
이후부터는 도 1 내지 도 3을 참조하여 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 및 발굴 방법을 설명하기로 한다.Hereinafter, with reference to FIGS. 1 to 3, a material for treating corona virus infection and a method of excavation according to an embodiment of the present invention will be described.
본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 및 발굴 방법에 의하면, 타겟 단백질은 3C 유사 프로테아제(3C-like protease)로서, 먼저 데이터 구성부가 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성한다(S110).According to the corona virus infection treatment material and the discovery method according to an embodiment of the present invention, the target protein is a 3C-like protease, and first, the data constituting part is composed of a candidate capable of binding to the coronavirus. Configure (S110).
이때 보다 구체적으로, 상기 데이터 구성부가 3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 상기 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성할 수 있다.At this time, more specifically, the data constructing unit extracts structural information of a chemical space having drug similarity to 3C-like protease, and composes combinable data composed of candidates capable of binding to the corona virus. can do.
도 2는 2019-nCoV 프로테아제(protease)와 SARS-CoV 3CL 프로테아제(protease)의 유사성을 설명하기 위한 도면으로서, 도 2를 참조하면 2019-nCoV 프로테아제(protease)는 금색으로, SARS-CoV 3CL 프로테아제(protease)는 적색으로 표시되어 있으며, 회색의 anti-SARS 억제제는 결합 부위를 나타내고 있다.2 is a view for explaining the similarity between 2019-nCoV protease and SARS-CoV 3CL protease. Referring to FIG. 2, 2019-nCoV protease is gold, and SARS-CoV 3CL protease ( protease) is indicated in red, and gray anti-SARS inhibitors indicate binding sites.
이후, 정보 선별부가 상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별한다(S120).Thereafter, the information selection unit selects information on non-drugs that can be combined with the coronavirus from among the combinable data (S120).
이후에는, 약물 생성부가 상기 비 약물과 유사 구조의 약물을 생성한다(S130).Thereafter, the drug generating unit generates a drug having a structure similar to that of the non-drug (S130).
이때, 본 발명의 일실시예에 따르면 상기 약물 생성부가 Conditional VAE(Variational AutoEncoder)를 이용해 상기 비 약물과 유사 구조의 약물을 생성할 수 있다. 상기 Conditional VAE는 자료의 일부를 주고 남은 부분을 예측하여 생성하는 알고리즘으로서, 상기 비 약물의 구조를 통해 유사 구조의 약물을 생성할 수 있다.In this case, according to an embodiment of the present invention, the drug generating unit may generate a drug having a structure similar to that of the non-drug using a Conditional Variational AutoEncoder (VAE). The Conditional VAE is an algorithm for generating a portion of data and predicting the remaining portion, and may generate a drug having a similar structure through the structure of the non-drug.
또한, 본 발명의 또 다른 일실시예에 따르면 도 3에 도시된 바와 같이 상기 약물 생성부가 포켓(pocket)에 보완적인 다양한 3차원 리간드 모양(ligand shapes)을 생성하고, 생성된 분자 모양에 모양 캡션 네트워크(shape-captioning network)를 사용하여 구조 기반의 새로운 약물을 설계하도록 구성될 수 있다.In addition, according to another embodiment of the present invention, as shown in FIG. 3 , the drug generating unit generates various three-dimensional ligand shapes complementary to the pocket, and shape captions on the generated molecular shape It can be configured to design new drugs based on structure using shape-captioning networks.
이후, 약물 도출부가 상기 생성된 약물 중에서 후보 약물을 도출한다(S140).Then, the drug derivation unit derives a candidate drug from the generated drugs (S140).
이때 보다 구체적으로, 상기 약물 도출부가 상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출할 수 있다.In this case, more specifically, the drug derivation unit may derive a candidate drug according to a result of comparing the similarity between the generated drug and the FDA-approved drug.
한편, 본 발명의 일실시예에 따르면 상기 데이터 구성 단계의 이후에, 결합 분석부가 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석할 수 있다(S210).On the other hand, according to an embodiment of the present invention, after the data configuration step, the binding analysis unit may analyze the binding of the extracted structural information and FDA-approved drug (S210).
또한, 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합의 분석 이후에는, 데이터베이스 구축부가 상기 분석한 결과를 이용해 데이터베이스를 구축할 수 있다(S220).In addition, after the analysis of the combination of the extracted structural information and the FDA-approved drug, the database construction unit may build a database using the analysis result (S220).
이후에는 후보 약물 추천부가 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천할 수 있다(S230).Thereafter, the candidate drug recommendation unit may recommend a candidate drug through big data analysis with respect to the database (S230).
따라서, 본 발명의 일실시예에 따르면 치료 물질 발굴부가 상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴할 수 있다(S310).Accordingly, according to an embodiment of the present invention, information on which a therapeutic substance discovery unit derives a candidate drug from the generated drugs of the drug derivation unit and information on which a candidate drug is recommended through big data analysis on the database of the candidate drug recommendation unit By synthesizing, it is possible to discover a treatment material for corona virus infection (S310).
도 4는 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템의 구성도이다.4 is a block diagram of a system for discovering a treatment material for corona virus infection according to an embodiment of the present invention.
이후부터는 도 4를 참조하여 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템의 구성을 설명하기로 한다.Hereinafter, the configuration of the corona virus infection treatment material discovery system according to an embodiment of the present invention will be described with reference to FIG. 4 .
본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템(100)은 컴퓨터 단말, 서버 또는 별도의 전용 장치로 구성될 수 있으며, 각 구성요소는 하드웨어 또는 소프트웨어 모듈로 구성될 수 있다.The corona virus infection treatment
도 4를 참조하면, 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템(100)은 데이터 구성부(110), 정보 선별부(120), 약물 생성부(130) 및 약물 도출부(140)를 포함하여 구성된다.Referring to FIG. 4 , the corona virus infection treatment
또한, 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 시스템(100)은 결합 분석부(150), 데이터베이스 구축부(160), 후보 약물 추천부(170) 및 치료 물질 발굴부(180)를 더 포함하여 구성될 수 있다.In addition, the corona virus infection treatment
상기 데이터 구성부(110)는 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성한다.The
보다 구체적으로, 상기 데이터 구성부(110)는 3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성할 수 있다.More specifically, the
또한, 상기 정보 선별부(120)는 상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별한다.In addition, the
상기 약물 생성부(130)는 상기 비 약물과 유사 구조의 약물을 생성한다. 이때, 보다 구체적으로 상기 약물 생성부(130)는 Conditional VAE를 이용해 상기 비 약물과 유사 구조의 약물을 생성할 수 있다. 상기 Conditional VAE는 자료의 일부를 주고 남은 부분을 예측하여 생성하는 알고리즘으로서, 상기 비 약물의 구조를 통해 유사 구조의 약물을 생성할 수 있다.The
상기 약물 도출부(140)는 상기 생성된 약물 중에서 후보 약물을 도출한다. 보다 구체적으로, 상기 약물 도출부(140)는 상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출할 수 있다.The
상기 결합 분석부(150)는 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석할 수 있다.The binding
또한, 상기 데이터베이스 구축부(160)는 상기 분석한 결과를 이용해 데이터베이스(101)를 구축하고, 상기 후보 약물 추천부(170)는 상기 데이터베이스(101)에 대하여 빅데이터 분석을 통해 후보 약물을 추천할 수 있다.In addition, the
따라서, 본 발명의 일실시예에 따르면 치료 물질 발굴부(180)가 상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스(101)에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴할 수 있다.Therefore, according to an embodiment of the present invention, the therapeutic
도 5 및 도 6은 본 발명의 일실시예에 따른 코로나 바이러스 감염증 치료 물질 발굴 결과를 설명하기 위한 도면이다.5 and 6 are views for explaining the results of discovering a treatment material for corona virus infection according to an embodiment of the present invention.
본 발명의 일실시예에 따르면, 현재까지 공개된 X선 회절(X-ray diffraction)을 통해 알려진 3C 유사 프로테아제(3C-like protease) 및 3CL like protease(3C 유사 프로테아제와 유사성을 가지는 프로테아제)에 대해서, 유일하게 결합하는 리간드(ligand)들을 짝지어 모두 모았다.According to an embodiment of the present invention, 3C-like protease and 3CL-like protease (protease having similarity to 3C-like protease) known through X-ray diffraction disclosed to date , all of the uniquely binding ligands were collected in pairs.
거의 모든, 유일하게 결합하는 리간드(ligand)가 약물 유사성(drug-like)을 가지고 있지 않다.Almost all, uniquely binding ligands are not drug-like.
본 발명에 따른 코로나 바이러스 감염증 치료 물질 발굴 방법 및 시스템을 통해, 결합하는 리간드의 구조적 특징을 어느 정도 보존하면서 약물 유사성(drug-like) 가지도록, 리간드 1개당 50가지 화합물들을 생성해낼 수 있었다.Through the method and system for discovering a treatment material for coronavirus infection according to the present invention, 50 compounds per ligand could be produced so as to have drug-like properties while preserving to some extent the structural characteristics of the binding ligand.
모두 모은, 유일하게 결합하는 리간드들을 통해 생성된 총 6,438개 화합물 중 FDA 승인 약물인 어느 하나와 유사성(similarity) 0.8 이상인 약물들을 모두 골라내어, 총 22개를 골라낼 수 있었다.Of the total of 6,438 compounds generated through the collected, uniquely binding ligands, all drugs with a similarity of 0.8 or higher to any one FDA-approved drug were selected, and a total of 22 could be selected.
이와 같이, 본 발명에 따르면 리간드들의 구조를 학습하는 생성 모델을 구성하고, 약물 유사성(Drug-like)을 가지는 화학 공간(chemical space)의 구조적 정보들을 뽑아낸 후, 그 구조들을 이용해 인공지능(AI: Artificial Intelligence)을 통해 비슷한 구조의 약물들을 생성하도록 학습할 수 있다.As described above, according to the present invention, after constructing a generative model for learning the structure of ligands, extracting structural information from a chemical space having drug-like properties, and using the structures, artificial intelligence (AI) : Artificial Intelligence) can learn to generate drugs with similar structures.
또한, 본 발명에 따르면 인공지능에 기반한 약물 재창출 방법을 통해 발굴한 물질이, 코로나(corona) 바이러스 감염증 치료에 효과가 있음을 실험을 통해 확인할 수 있다.In addition, according to the present invention, it can be confirmed through an experiment that the material discovered through the drug re-creation method based on artificial intelligence is effective in treating corona virus infection.
전술한 바와 같은 본 발명의 상세한 설명에서는 구체적인 실시예에 관해 설명하였다. 그러나 본 발명의 범주에서 벗어나지 않는 한도 내에서는 여러 가지 변형이 가능하다. 본 발명의 기술적 사상은 본 발명의 전술한 실시예에 국한되어 정해져서는 안 되며, 청구범위뿐만 아니라 이 청구범위와 균등한 것들에 의해 정해져야 한다.In the detailed description of the present invention as described above, specific embodiments have been described. However, various modifications are possible without departing from the scope of the present invention. The technical spirit of the present invention should not be limited to the above-described embodiments of the present invention, and should be defined by the claims as well as the claims and equivalents.
100: 코로나 바이러스 감염증 치료 물질 발굴 시스템
101: 데이터베이스
110: 데이터 구성부
120: 정보 선별부
130: 약물 생성부
140: 약물 도출부
150: 결합 분석부
160: 데이터베이스 구축부
170: 후보 약물 추천부
180: 치료 물질 발굴부100: Corona virus infection treatment material discovery system
101: database
110: data configuration unit
120: information screening unit
130: drug generating unit
140: drug outlet
150: binding analysis unit
160: database building unit
170: Candidate drug recommendation unit
180: therapeutic substance excavation unit
Claims (12)
정보 선별부가 상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별하는 선별 단계;
약물 생성부가 상기 비 약물과 유사 구조의 약물을 생성하는 약물 생성 단계; 및
약물 도출부가 상기 생성된 약물 중에서 후보 약물을 도출하는 약물 도출 단계;
를 포함하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
A data construction step of constructing combinable data composed of candidates that are combinable with the corona virus by the data construction unit;
a screening step of selecting information of non-drugs capable of binding to the corona virus from among the combinable data by the information selection unit;
a drug generating step in which the drug generating unit generates a drug having a structure similar to that of the non-drug; and
a drug derivation step in which a drug derivation unit derives a candidate drug from the generated drugs;
A method of discovering a treatment material for corona virus infection, comprising a.
상기 데이터 구성 단계는,
상기 데이터 구성부가 3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 상기 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
The method according to claim 1,
The data configuration step is
Corona virus infection treatment in which the data construction unit extracts structural information of a chemical space having drug similarity to 3C-like protease, and composes combinable data composed of candidates capable of binding to the coronavirus Methods of excavation of materials.
상기 약물 생성 단계는,
상기 약물 생성부가 Conditional VAE를 이용해 상기 비 약물과 유사 구조의 약물을 생성하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
The method according to claim 1,
The drug production step is,
A method of discovering a treatment material for coronavirus infection in which the drug generating unit generates a drug having a structure similar to that of the non-drug using Conditional VAE.
상기 약물 도출 단계는,
상기 약물 도출부가 상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
The method according to claim 1,
The drug derivation step is,
A method of discovering a treatment material for coronavirus infection in which the drug derivation unit derives a candidate drug according to a result of comparing the similarity between the generated drug and the FDA-approved drug.
상기 데이터 구성 단계의 이후에,
결합 분석부가 상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석하는 단계;
데이터베이스 구축부가 상기 분석한 결과를 이용해 데이터베이스를 구축하는 단계; 및
후보 약물 추천부가 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천하는 단계;
를 더 포함하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
The method according to claim 1,
After the data configuration step,
Analyzing the binding analysis unit binding of the extracted structural information and FDA-approved drug;
constructing a database using the result of the analysis by the database building unit; and
recommending, by a candidate drug recommendation unit, a candidate drug through big data analysis with respect to the database;
A method of discovering a treatment material for coronavirus infection further comprising a.
치료 물질 발굴부가 상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴하는 단계;
를 더 포함하는 코로나 바이러스 감염증 치료 물질 발굴 방법.
6. The method of claim 5,
The therapeutic substance excavation unit discovers a treatment material for coronavirus infection by synthesizing the information on which the candidate drug is derived from the generated drugs of the drug derivation unit and the information on the candidate drug recommendation through big data analysis on the database of the candidate drug recommendation unit to do;
A method of discovering a treatment material for coronavirus infection further comprising a.
상기 결합 가능 데이터 중에서 코로나 바이러스와 결합 가능한 비 약물들의 정보를 선별하는 정보 선별부;
상기 비 약물과 유사 구조의 약물을 생성하는 약물 생성부; 및
상기 생성된 약물 중에서 후보 약물을 도출하는 약물 도출부;
를 포함하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
a data constructing unit constituting combinable data composed of candidates capable of being combinable with the corona virus;
an information selection unit for selecting information on non-drugs that can be combined with coronavirus from among the combinable data;
a drug generating unit for generating a drug having a structure similar to that of the non-drug; and
a drug derivation unit for deriving a candidate drug from among the generated drugs;
Corona virus infection treatment material discovery system comprising a.
상기 데이터 구성부는,
3C 유사 프로테아제(3C-like protease)와 약물 유사성(druglikness)을 가지는 화학 공간의 구조적 정보를 추출하여, 코로나 바이러스와 결합 가능한 후보로 구성되는 결합 가능 데이터를 구성하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
8. The method of claim 7,
The data configuration unit,
A system for discovering substances for treatment of coronavirus infection by extracting structural information of a chemical space having drug similarity to 3C-like protease and constructing combinable data composed of candidates capable of binding to coronavirus.
상기 약물 생성부는,
Conditional VAE를 이용해 상기 비 약물과 유사 구조의 약물을 생성하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
8. The method of claim 7,
The drug generating unit,
A system for discovering substances for treatment of coronavirus infection that uses conditional VAE to generate a drug with a structure similar to the non-drug.
상기 약물 도출부는,
상기 생성된 약물과 FDA 승인 약물과의 유사성을 비교한 결과에 따라 후보 약물을 도출하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
8. The method of claim 7,
The drug derivation unit,
A system for discovering substances for treatment of coronavirus infection that derives a candidate drug according to a result of comparing the similarity between the generated drug and an FDA-approved drug.
상기 추출된 구조적 정보와 FDA 승인 약물과의 결합을 분석하는 결합 분석부;
상기 분석한 결과를 이용해 데이터베이스를 구축하는 데이터베이스 구축부; 및
상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천하는 후보 약물 추천부;
를 더 포함하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
8. The method of claim 7,
a binding analysis unit for analyzing the binding between the extracted structural information and the FDA-approved drug;
a database building unit for constructing a database using the analysis result; and
a candidate drug recommendation unit for recommending a candidate drug through big data analysis with respect to the database;
Corona virus infection treatment material discovery system further comprising.
상기 약물 도출부의 상기 생성된 약물 중에서 후보 약물을 도출한 정보와, 후보 약물 추천부의 상기 데이터베이스에 대하여 빅데이터 분석을 통해 후보 약물을 추천한 정보를 종합하여 코로나 바이러스 감염증 치료 물질을 발굴하는 치료 물질 발굴부;
를 더 포함하는 코로나 바이러스 감염증 치료 물질 발굴 시스템.
12. The method of claim 11,
Discovery of a therapeutic substance for discovering a treatment material for coronavirus infection by synthesizing the information on which the drug derivation unit derives the candidate drug from the generated drugs and the information on the candidate drug recommendation through big data analysis on the database of the candidate drug recommendation unit wealth;
Corona virus infection treatment material discovery system further comprising.
Applications Claiming Priority (2)
| Application Number | Priority Date | Filing Date | Title |
|---|---|---|---|
| KR1020200145660 | 2020-11-04 | ||
| KR20200145660 | 2020-11-04 |
Publications (1)
| Publication Number | Publication Date |
|---|---|
| KR20220061025A true KR20220061025A (en) | 2022-05-12 |
Family
ID=81590417
Family Applications (1)
| Application Number | Title | Priority Date | Filing Date |
|---|---|---|---|
| KR1020210149449A KR20220061025A (en) | 2020-11-04 | 2021-11-03 | Corona virus infection treatment substance development method and system |
Country Status (1)
| Country | Link |
|---|---|
| KR (1) | KR20220061025A (en) |
Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180085689A (en) | 2017-01-19 | 2018-07-27 | 가톨릭대학교 산학협력단 | Recognition ability materials for detection and treatment of virus that manufacture methods thereof |
-
2021
- 2021-11-03 KR KR1020210149449A patent/KR20220061025A/en not_active Application Discontinuation
Patent Citations (1)
| Publication number | Priority date | Publication date | Assignee | Title |
|---|---|---|---|---|
| KR20180085689A (en) | 2017-01-19 | 2018-07-27 | 가톨릭대학교 산학협력단 | Recognition ability materials for detection and treatment of virus that manufacture methods thereof |
Similar Documents
| Publication | Publication Date | Title |
|---|---|---|
| Zhang et al. | Cryo-EM and antisense targeting of the 28-kDa frameshift stimulation element from the SARS-CoV-2 RNA genome | |
| Bukhari et al. | Description and initial characterization of metatranscriptomic nidovirus-like genomes from the proposed new family Abyssoviridae, and from a sister group to the Coronavirinae, the proposed genus Alphaletovirus | |
| Jungreis et al. | SARS-CoV-2 gene content and COVID-19 mutation impact by comparing 44 Sarbecovirus genomes | |
| Wolf et al. | Origins and evolution of the global RNA virome | |
| Zhao et al. | Genetic grouping of SARS-CoV-2 coronavirus sequences using informative subtype markers for pandemic spread visualization | |
| Domingo | Quasispecies: concept and implications for virology | |
| Vignuzzi et al. | Quasispecies diversity determines pathogenesis through cooperative interactions in a viral population | |
| ES2532891T3 (en) | Virus discovery by sequencing and assembly of siRNA, miRNA, siRNA derived from viruses | |
| De Sabato et al. | Full genome characterization of two novel Alpha-coronavirus species from Italian bats | |
| Beier et al. | New strategies for evaluation and analysis of SELEX experiments | |
| Su et al. | SANE: a sequence combined attentive network embedding model for COVID-19 drug repositioning | |
| Mazandu et al. | Generation and analysis of large-scale data-driven Mycobacterium tuberculosis functional networks for drug target identification | |
| Kockler et al. | From RNA world to SARS-CoV-2: the edited story of RNA viral evolution | |
| Cuypers et al. | Implications of hepatitis C virus subtype 1a migration patterns for virus genetic sequencing policies in Italy | |
| Parlikar et al. | Understanding genomic diversity, pan-genome, and evolution of SARS-CoV-2 | |
| KR20220068177A (en) | Corona virus infection treatment substance development method and system | |
| Ospina-Bedoya et al. | Computational identification of Dengue virus microRNA-like structures and their cellular targets | |
| Goh et al. | Analysis of proteolytic processing sites in potyvirus polyproteins revealed differential amino acid preferences of NIa-Pro protease in each of seven cleavage sites | |
| Souza et al. | Using amino acids co-occurrence matrices and explainability model to investigate patterns in dengue virus proteins | |
| Eruera et al. | Protein nucleotidylylation in+ ssRNA viruses | |
| Omoru et al. | A Putative long-range RNA-RNA interaction between ORF8 and Spike of SARS-CoV-2 | |
| Manish et al. | Computational molecular interaction between SARS-CoV-2 main protease and theaflavin digallate using free energy perturbation and molecular dynamics | |
| Delgado et al. | A Two-Level, Intramutant spectrum haplotype profile of Hepatitis C virus revealed by self-organized maps | |
| Sobhia et al. | Identification of potential SARS-CoV-2 Mpro inhibitors integrating molecular docking and water thermodynamics | |
| KR20220061025A (en) | Corona virus infection treatment substance development method and system |
Legal Events
| Date | Code | Title | Description |
|---|---|---|---|
| E902 | Notification of reason for refusal | ||
| E601 | Decision to refuse application |