Anti-Methanogenic Effect of Phytochemicals on Methyl-Coenzyme M Reductase—Potential: In Silico and Molecular Docking Studies for Environmental Protection
Notice bibliographique
Résumé
Methane is a greenhouse gas which poses a great threat to life on earth as its emissions directly contribute to global warming and methane has a 28-fold higher warming potential over that of carbon dioxide. Ruminants have been identified as a major source of methane emission as a result of methanogenesis by their respective gut microbiomes. Various plants produce highly bioactive compounds which can be investigated to find a potential inhibitor of methyl-coenzyme M reductase (the target protein for methanogenesis). To speed up the process and to limit the use of laboratory resources, the present study uses an in-silico molecular docking approach to explore the anti-methanogenic properties of phytochemicals from Cymbopogon citratus, Origanum vulgare, Lavandula officinalis, Cinnamomum zeylanicum, Piper betle, Cuminum cyminum, Ocimum gratissimum, Salvia sclarea, Allium sativum, Rosmarinus officinalis and Thymus vulgaris. A total of 168 compounds from 11 plants were virtually screened. Finally, 25 scrutinized compounds were evaluated against methyl-coenzyme M reductase (MCR) protein using the AutoDock 4.0 program. In conclusion, the study identified 21 out of 25 compounds against inhibition of the MCR protein. Particularly, five compounds: rosmarinic acid (−10.71 kcal/mol), biotin (−9.38 kcal/mol), α-cadinol (−8.16 kcal/mol), (3R,3aS,6R,6aR)-3-(2H-1,3-benzodioxol-4-yl)-6-(2H-1,3-benzodioxol-5-yl)-hexahydrofuro[3,4-c]furan-1-one (−12.21 kcal/mol), and 2,4,7,9-tetramethyl-5decyn4,7diol (−9.02 kcal/mol) showed higher binding energy towards the MCR protein. In turn, these compounds have potential utility as rumen methanogenic inhibitors in the proposed methane inhibitor program. Ultimately, molecular dynamics simulations of rosmarinic acid and (3R,3aS,6R,6aR)-3-(2H-1,3-benzodioxol-4-yl)-6-(2H-1,3-benzodioxol-5-yl)-hexahydrofuro[3,4-c]furan-1-one yielded the best possible interaction and stability with the active site of 5A8K protein for 20 ns.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».