Liquiritin from Glycirrhyza Glabra L (Fabaceae) - a Natural Derived Drug, as a Potential Inhibitor for SARS-CoV-2
Notice bibliographique
Résumé
Novel Corona virus-2 (Covid-19) is spreading and causing major damage around the globe and constantly increasing daily. There is a prerequisite of expeditious development of safe and efficient drugs for such a contagious disease. In this regard, utilization of a computational approach with an aim to provide potential enzyme inhibitors derived from natural resources will give a providential therapy. The present study investigated one of the promising plants namely Glycyrrhiza glabra L. It has various medicinal properties viz. anti-inflammatory, anti-cancer, anti-demulcent, expectorant, etc. In-Silico Analysis of liquiritin against SARS-CoV-2 Mpro was carried out using Autodock 4.2.6 and results were compared with presently prescribed drugs i.e. dexamethasone, remdesivir, hydroxychloroquine, and azithromycin. The binding energy of liquiritin was found to be -6.62 kcal/mol. It shows presence of hydrogen bond, hydrophobic interaction and electrostatic interaction with six active residues THR26, GLY143, CYS145, HIS 164, GLU166, and GLN189. Comparative studies investigated that dexamethasone, remdesivir, hydroxychloroquine, and azithromycin have four (THR26, GLY143, CYS145, GLU166), three (CYS145, GLU166, GLN189), four (GLY143, CYS145, HIS 164, GLN189) and two (GLU166, GLN189) identical active residues, respectively. The present study recommended liquiritin as a potential candidate against SARS-CoV-2 as it is naturally derived and has tremendous traditional usage against various diseases. However, in-vitro and in-vivo studies are required to prove its efficacy.
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) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
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 ».