A new coronavirus, known as severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), is the aetiological agent responsible for the 2019-2020 viral pneumonia outbreak of coronavirus disease 2019 (COVID-19)1-4. Currently, there are no targeted therapeutic agents for the treatment of this disease, and effective treatment options remain very limited. Here we describe the results of a programme that aimed to rapidly discover lead compounds for clinical use, by combining structure-assisted drug design, virtual drug screening and high-throughput screening. This programme focused on identifying drug leads that target main protease (Mpro) of SARS-CoV-2: Mpro is a key enzyme of coronaviruses and has a pivotal role in mediating viral replication and transcription, making it an attractive drug target for SARS-CoV-25,6. We identified a mechanism-based inhibitor (N3) by computer-aided drug design, and then determined the crystal structure of Mpro of SARS-CoV-2 in complex with this compound. Through a combination of structure-based virtual and high-throughput screening, we assayed more than 10,000 compounds-including approved drugs, drug candidates in clinical trials and other pharmacologically active compounds-as inhibitors of Mpro. Six of these compounds inhibited Mpro, showing half-maximal inhibitory concentration values that ranged from 0.67 to 21.4 μM. One of these compounds (ebselen) also exhibited promising antiviral activity in cell-based assays. Our results demonstrate the efficacy of our screening strategy, which can lead to the rapid discovery of drug leads with clinical potential in response to new infectious diseases for which no specific drugs or vaccines are available.

SARS-CoV-2 (severe acute respiratory syndrome coronavirus 2) is the etiological agent responsible for the global COVID-19 (coronavirus disease 2019) outbreak. The main protease of SARS-CoV-2, Mpro, is a key enzyme that plays a pivotal role in mediating viral replication and transcription. We designed and synthesized two lead compounds (11a and 11b) targeting Mpro Both exhibited excellent inhibitory activity and potent anti-SARS-CoV-2 infection activity. The x-ray crystal structures of SARS-CoV-2 Mpro in complex with 11a or 11b, both determined at a resolution of 1.5 angstroms, showed that the aldehyde groups of 11a and 11b are covalently bound to cysteine 145 of Mpro Both compounds showed good pharmacokinetic properties in vivo, and 11a also exhibited low toxicity, which suggests that these compounds are promising drug candidates.

The pandemic of coronavirus disease 2019 (COVID-19), caused by severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2), has become a global crisis. Replication of SARS-CoV-2 requires the viral RNA-dependent RNA polymerase (RdRp) enzyme, a target of the antiviral drug remdesivir. Here we report the cryo-electron microscopy structure of the SARS-CoV-2 RdRp, both in the apo form at 2.8-angstrom resolution and in complex with a 50-base template-primer RNA and remdesivir at 2.5-angstrom resolution. The complex structure reveals that the partial double-stranded RNA template is inserted into the central channel of the RdRp, where remdesivir is covalently incorporated into the primer strand at the first replicated base pair, and terminates chain elongation. Our structures provide insights into the mechanism of viral RNA replication and a rational template for drug design to combat the viral infection.

Protein–protein interactions (PPIs) are central to most biological processes. Although efforts have been devoted to the development of methodology for predicting PPIs and protein interaction networks, the application of most existing methods is limited because they need information about protein homology or the interaction marks of the protein partners. In the present work, we propose a method for PPI prediction using only the information of protein sequences. This method was developed based on a learning algorithm-support vector machine combined with a kernel function and a conjoint triad feature for describing amino acids. More than 16,000 diverse PPI pairs were used to construct the universal model. The prediction ability of our approach is better than that of other sequence-based PPI prediction methods because it is able to predict PPI networks. Different types of PPI networks have been effectively mapped with our method, suggesting that, even with only sequence information, this method could be applied to the exploration of networks for any newly discovered protein with unknown biological relativity. In addition, such supplementary experimental information can enhance the prediction ability of the method.

G-protein-coupled receptors (GPCRs) signal primarily through G proteins or arrestins. Arrestin binding to GPCRs blocks G protein interaction and redirects signalling to numerous G-protein-independent pathways. Here we report the crystal structure of a constitutively active form of human rhodopsin bound to a pre-activated form of the mouse visual arrestin, determined by serial femtosecond X-ray laser crystallography. Together with extensive biochemical and mutagenesis data, the structure reveals an overall architecture of the rhodopsin-arrestin assembly in which rhodopsin uses distinct structural elements, including transmembrane helix 7 and helix 8, to recruit arrestin. Correspondingly, arrestin adopts the pre-activated conformation, with a ∼20° rotation between the amino and carboxy domains, which opens up a cleft in arrestin to accommodate a short helix formed by the second intracellular loop of rhodopsin. This structure provides a basis for understanding GPCR-mediated arrestin-biased signalling and demonstrates the power of X-ray lasers for advancing the frontiers of structural biology.

TRAF2 (tumour-necrosis factor receptor-associated factor 2), a component of the NF-κB activation pathway important in inflammatory, anti-apoptotic, and immune processes, is shown to be a target of sphingosine kinase 1, one of the isoenzymes that generates the pro-survival lipid mediator sphingosine-1-phosphate inside cells. In addition, sphingosine kinase 1 is revealed as the 'missing' cofactor for TRAF2 E3 ubiquitin ligase activity. These findings provide a mechanistic explanation for the numerous observations of the importance of SphK1 in inflammatory, anti-apoptotic and immune processes. Engagement of the tumour-necrosis factor (TNF) receptor results in the assembly of multi-component signalling complexes by adaptor proteins that include TNF receptor-associated factor 2 (TRAF2). Genetic evidence indicates that TRAF2 is needed for the polyubiquitination of receptor interacting protein 1 (RIP1), but direct evidence has been lacking. Here it is shown that the lipid sphingosine-1-phosphate is a co-factor needed for this ubiquitination activity of TRAF2. Tumour-necrosis factor (TNF) receptor-associated factor 2 (TRAF2) is a key component in NF-κB signalling triggered by TNF-α1,2. Genetic evidence indicates that TRAF2 is necessary for the polyubiquitination of receptor interacting protein 1 (RIP1)3 that then serves as a platform for recruitment and stimulation of IκB kinase, leading to activation of the transcription factor NF-κB. Although TRAF2 is a RING domain ubiquitin ligase, direct evidence that TRAF2 catalyses the ubiquitination of RIP1 is lacking. TRAF2 binds to sphingosine kinase 1 (SphK1)4, one of the isoenzymes that generates the pro-survival lipid mediator sphingosine-1-phosphate (S1P) inside cells. Here we show that SphK1 and the production of S1P is necessary for lysine-63-linked polyubiquitination of RIP1, phosphorylation of IκB kinase and IκBα, and IκBα degradation, leading to NF-κB activation. These responses were mediated by intracellular S1P independently of its cell surface G-protein-coupled receptors. S1P specifically binds to TRAF2 at the amino-terminal RING domain and stimulates its E3 ligase activity. S1P, but not dihydro-S1P, markedly increased recombinant TRAF2-catalysed lysine-63-linked, but not lysine-48-linked, polyubiquitination of RIP1 in vitro in the presence of the ubiquitin conjugating enzymes (E2) UbcH13 or UbcH5a. Our data show that TRAF2 is a novel intracellular target of S1P, and that S1P is the missing cofactor for TRAF2 E3 ubiquitin ligase activity, indicating a new paradigm for the regulation of lysine-63-linked polyubiquitination. These results also highlight the key role of SphK1 and its product S1P in TNF-α signalling and the canonical NF-κB activation pathway important in inflammatory, antiapoptotic and immune processes.

In silico drug target identification, which includes many distinct algorithms for finding disease genes and proteins, is the first step in the drug discovery pipeline. When the 3D structures of the targets are available, the problem of target identification is usually converted to finding the best interaction mode between the potential target candidates and small molecule probes. Pharmacophore, which is the spatial arrangement of features essential for a molecule to interact with a specific target receptor, is an alternative method for achieving this goal apart from molecular docking method. PharmMapper server is a freely accessed web server designed to identify potential target candidates for the given small molecules (drugs, natural products or other newly discovered compounds with unidentified binding targets) using pharmacophore mapping approach. PharmMapper hosts a large, in-house repertoire of pharmacophore database (namely PharmTargetDB) annotated from all the targets information in TargetBank, BindingDB, DrugBank and potential drug target database, including over 7000 receptor-based pharmacophore models (covering over 1500 drug targets information). PharmMapper automatically finds the best mapping poses of the query molecule against all the pharmacophore models in PharmTargetDB and lists the top N best-fitted hits with appropriate target annotations, as well as respective molecule's aligned poses are presented. Benefited from the highly efficient and robust triangle hashing mapping method, PharmMapper bears high throughput ability and only costs 1 h averagely to screen the whole PharmTargetDB. The protocol was successful in finding the proper targets among the top 300 pharmacophore candidates in the retrospective benchmarking test of tamoxifen. PharmMapper is available at http://59.78.96.61/pharmmapper.

CCR5-Maraviroc Structure The chemokine receptor CCR5, a G protein–coupled receptor best known as a co-receptor during HIV-1 infection, is important in a variety of physiological processes. Tan et al. (p. 1387 , published online 12 September; see the Perspective by Klasse ) now report the high-resolution crystal structure of CCR5 bound to the HIV-1 entry inhibitor, Maraviroc. The structure suggests that Maraviroc acts as a noncompetitive inhibitor by binding to a region of CCR5 that is distinct from the binding site of HIV-1 and chemokines. Comparison of the structure of CCR5 with the other HIV-1 co-receptor, the chemokine receptor CXCR4, provides insight into the co-receptor selectivity of the virus.

Summary

 FTO, an mRNA N⁶-methyladenosine (m⁶A) demethylase, was reported to promote leukemogenesis. Using structure-based rational design, we have developed two promising FTO inhibitors, namely FB23 and FB23-2, which directly bind to FTO and selectively inhibit FTO's m⁶A demethylase activity. Mimicking FTO depletion, FB23-2 dramatically suppresses proliferation and promotes the differentiation/apoptosis of human acute myeloid leukemia (AML) cell line cells and primary blast AML cells in vitro. Moreover, FB23-2 significantly inhibits the progression of human AML cell lines and primary cells in xeno-transplanted mice. Collectively, our data suggest that FTO is a druggable target and that targeting FTO by small-molecule inhibitors holds potential to treat AML.

Hunting for chemicals with favorable pharmacological, toxicological, and pharmacokinetic properties remains a formidable challenge for drug discovery. Deep learning provides us with powerful tools to build predictive models that are appropriate for the rising amounts of data, but the gap between what these neural networks learn and what human beings can comprehend is growing. Moreover, this gap may induce distrust and restrict deep learning applications in practice. Here, we introduce a new graph neural network architecture called Attentive FP for molecular representation that uses a graph attention mechanism to learn from relevant drug discovery data sets. We demonstrate that Attentive FP achieves state-of-the-art predictive performances on a variety of data sets and that what it learns is interpretable. The feature visualization for Attentive FP suggests that it automatically learns nonlocal intramolecular interactions from specified tasks, which can help us gain chemical insights directly from data beyond human perception.