Zeitschrift für Nanomaterialien und molekulare Nanotechnologie

Quantenphasen und Chern-Simons-Geometrie zur Erzeugung eines Liganden, der auf COVID-19-SARS-COV-2 SPIKE D614G-Bindungsstellen abzielt

 Grigoriadis Ioannis 

SARS-Coronavirus 2 (SARS-CoV-2) im viralen Spike (S), das ein SARS-COV-2 SPIKE D614G-Mutationsprotein kodiert, dominiert im Laufe der Zeit an Orten, die die dynamischen Aspekte seiner wichtigsten viralen Prozesse offenbaren, an denen es gefunden wird, was darauf hindeutet, dass diese Veränderung die Virusübertragung verstärkt. Es wurde auch beobachtet, dass Retroviren ACE2-exprimierende Zellen, die mit SG614 pseudotypisiert sind, das derzeit eine wachsende Zahl von Ländern befällt, deutlich effizienter infizierten als solche mit SD614. Die Verfügbarkeit neuerer leistungsstarker Rechenressourcen, molekularer Modellierungstechniken und cheminformatischer Qualitätsdaten hat es möglich gemacht, zuverlässige algebraische Berechnungen durchzuführen, um neue chemische Einheiten zu entwerfen, Chemikalien zusammenzuführen, Naturprodukte und viele andere Substanzen aufzuzeichnen, was die weitere Entwicklung und das Wachstum dieses KI-quantenbasierten Arzneimitteldesignfelds vorantreibt, um den Kompromiss zwischen der strukturellen Komplexität und der Qualität solcher biophysikalischen Vorhersagen auszugleichen, die mit keiner anderen Methode erreicht werden können. In diesem Artikel kombinieren wir topologiegeometrische Methoden, die auf atomarer Ebene auf den Proteinapparat des SARS-COV-2-Virus abzielen und deren antivirale Eigenschaften durch maschinelles Lernen einfach zu erlernen sind, um computergestützte Strategien für rationales Arzneimitteldesign vorzuschlagen, die bei der Berechnung der Dockingnutzung effizient sind und leistungsstark genug sind, um sehr hohe Genauigkeitsgrade für diese In-silico-Bemühungen zur Erzeugung des KI-Quanten-entwickelten Moleküls ROCCUSTYRNATM, eines multi-targetierbaren, medikamentös verwertbaren Gerüsts, zu erreichen. (1S,2R,3S)‐2‐({[(1S,2S,4S,5R)‐4‐ethenyl‐4‐sulfonylbicyclo[3,2,0]heptan‐2‐yl]oxy}amino)‐3‐[(2R,5R)‐5‐(2‐methyl‐6‐methylidene‐6,9‐dihydro‐3H‐purine‐9‐yl)‐3‐methylideneoxolan‐2‐yl] phosphine‐1‐carbonitril zielt auf die COVID-19-SARS-COV-2 SPIKE D614G-Mutation unter Verwendung der euklidischen geometrischen Chern-Simons-Topologie in einem von Lindenbaum und Tarski generierten QSAR, das die Modellierung automatisiert und von künstlicher Intelligenz gesteuert wird Prädiktive neuronale Netzwerke.