Retrieval of promiscuous natural compounds using multiple targets docking strategy: A case study on kinase polypharmacology
Notice bibliographique
Résumé
Cancer is a class of diseases characterized by out-of-control cell growth, which are the building blocks of the body. Imatinib, known by its brand-Gleevec, is a type of biological therapy called tyrosine kinase inhibitor (TKI) which, a chemical messenger, is protein that cells use to signal each other to grow and thus pro-motes cancer. Structure-based method includes inverse docking was used to anticipate of most probable protein targets of Imatinib from tyrosine kinase protein using in silico approaches. Seven tyrosine kinase proteins have been preferred for the docking evaluation. In which, re-docking was performed to evaluate the docking validation. Among them, Crystal structure of native c-Kit kinase in an auto inhibited conformation (PDB: 1T46), LCK bound to imatinib (PDB: 2PL0), P38 in complex with Imatinib/Transferase (PDB: 3HEC), and ABL kinase in complex with Imatinib and a fragment (FRAG1) in the myristate pocket (PDB: 3MS9) and were most potential protein targets for the Imatinib ligand which computed by both of these schemes. These validated proteins have been selected for the virtual library screening of 1500 natural compounds from NPACT database. Luxenchalcone, Schweinfurthin and Sanggenon M were the best docked ligands and have chosen for the understanding the plausible mechanism at molecular level by implying the molecular dynamics simulations to determine the conformational changes and stabilization which reveals the potency of these ligands towards the treatment of cancer treatment.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,001 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».