Please use this identifier to cite or link to this item: http://dspace.centre-univ-mila.dz/jspui/handle/123456789/1996
Full metadata record
DC FieldValueLanguage
dc.contributor.authorIkram, BOUSSELLAH-
dc.date.accessioned2022-11-23T14:07:55Z-
dc.date.available2022-11-23T14:07:55Z-
dc.date.issued2022-06-
dc.identifier.urihttp://dspace.centre-univ-mila.dz/jspui/handle/123456789/1996-
dc.descriptionCOVID-19 is a potentially fatal respiratory disease caused by the SARS-COV-2 virus. It spread rapidly, first across China and then overseas, causing a global epidemic. Our work is part of the in silico research of new coronavirus treatment by inhibiting the enzyme PL proteases (PLpro) with new inhibitors. We performed a virtual screening based on the structure of the SARS-COV-2 enzyme target PLpro. This approach makes it possible to simulate the interactions between a protein and thousands of molecules with the aim of discovering compounds with higher inhibitory activity against a therapeutic target. The Surflex-dock program was used to discover new, more potent PLpro inhibitors. With a significant percentage of RMSD values less than or equal to 2 Å (88%), it can be said that this program works well. It can therefore be used to delve into the PLpro inhibition mechanism without too much risk of error. Indeed, a collection of 555 molecules from the PubChem chemical library was tested against the active site of PLpro. The virtual screening by Surflex-dock revealed the compoundsCID149925965 and CID142139076 as the best inhibitors potentially more active towards PLpro with affinities equal to 9.52 M-1and 8.20M-1, respectively. Finally, the application of Lipinski's rule provides us with positive information on the pharmacokinetic properties (ADME-Tox) of these two proposed inhibitors.en_US
dc.description.abstractLe COVID-19 est une maladie respiratoire potentiellement mortelle causée par le virus SARS-COV-2. Il s'est propagé rapidement, d'abord à travers la Chine, puis à l'étranger, provoquant une épidémie mondiale. Notre travail s’inscrit dans le cadre de rechercher in silico de nouveaux traitement du coronavirus en inhibant l'enzyme PL protéases (PLpro) avec de nouveaux inhibiteurs. Nous avons effectué un criblage virtuel basé sur la structure de la cible enzymatique PLpro de SARS-COV-2. Cette approche permet de simuler les interactions entre une protéine et des milliers de molécules dans le but de découvrir des composés ayant une activité inhibitrice plus élevée contre une cible thérapeutique. Le programme Surflex-dock a été utilisé pour découvrir de nouveaux inhibiteurs plus puissants de la PLpro. Avec un pourcentage important de valeurs RMSD inférieures ou égales à 2 Å (88%), on peut dire que ce programme fonctionne bien. On peut donc s'en servir pour se plonger dans le mécanisme d'inhibition de PLpro sans trop de risque d'erreur. En effet, une collection de 555 molécules de la chimiothèque PubChem a été testée contre le site actif de la PLpro. Le criblage virtuel par Surflex-dock ressortir les composés CID149925965 et CID142139076 comme meilleurs inhibiteurs potentiellement plus actif envers la PLpro avec des affinités égales à 9.52M-1 et 8.20 M-1, respectivement. Enfin, l'application de la règle de Lipinski nous renseigné de manière positive sur les propriétés pharmacocinétiques (ADME-Tox) de ces deux inhibiteurs proposés.en_US
dc.language.isofren_US
dc.publisheruniversity center of abdalhafid boussouf - MILAen_US
dc.subjectSARS-COV-2, PL protéases, Criblage Virtuel, RMSD, Surflex-dock, Règle de Lipinski.en_US
dc.subjectSARS-COV-2, PL Proteases, Virtual Screening, RMSD, Surflex-dock, Rule of Lipinski.en_US
dc.titleIdentification de nouveaux inhibiteurs de la PLprotéase en tant qu’une stratégie thérapeutique pour traiter le COVID-19 : criblage in silico et filtrage ADME-Toxen_US
dc.title.alternativeBiochimie Appliquéeen_US
dc.typeThesisen_US
Appears in Collections:Natural and life sciences

Files in This Item:
File Description SizeFormat 
Identification de nouveaux inhibiteurs de la PLprotéase.pdf5,03 MBAdobe PDFView/Open


Items in DSpace are protected by copyright, with all rights reserved, unless otherwise indicated.