In silico evaluation of therapeutic potentials of Syringic acid against some selected diseases
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
In the past few years several developments in medications have been made for the better treatment of certain diseases like Breast Cancer, Alzheimer’s disease, Tuberculosis, Obesity and Malaria. Phytochemicals possessing various medicinal properties have opened up the door to discover or design novel drug against these diseases. Syringic acid is such a natural compound found in many plants with a vast range of therapeutic potentials against several diseases. The present study aims to reveal Syringic acid as a potent inhibitor against Breast Cancer, Alzheimer’s disease, Tuberculosis, Obesity and Malaria comparing to the standard drugs of each disease. Molecular docking of syringic acid with critical proteins associated with the diseases was done using Schrödinger Maestro (v11.1). QikProp module of Schrödinger Maestro was used for ADME prediction and the toxicity of the ligand was evaluated by ProTox online databases. Syringic acid was found to exhibit acceptable ADME properties with no carcinogenicity and mutagenicity. Molecular docking result also showed higher scores compared to the commercially available standard drugs against four out of five diseases. The best docking scores were found against Breast cancer, Alzheimer’s disease, Obesity and Malaria which are -6.801 kcal/mol, -5.285 kcal/mol, -5.491 kcal/mol and -4.141 kcal/mol respectively. Syringic acid can be a stronger inhibitory potential agent against selected diseases than the standard drugs. Further clinical studies are required to consider syringic acid as an effective candidate drug for the better treatment of the mentioned diseases.
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.
Prédiction distillée sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Apprise à partir de 10 348 étiquettes directes de Codex et de 10 348 étiquettes directes de Gemma. Le mode candidate est l'union des têtes enseignantes seuillées; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont ni des étiquettes humaines ni des étiquettes directes de modèles de pointe.
Scores Codex et Gemma par catégorie
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,004 | 0,003 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,001 | 0,002 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,000 | 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 découle