MétaCan
Menu
Retour à la cohorte
Enregistrement W4200053810 · doi:10.1139/cjc-2021-0238

Identification of novel potential anti-diabetic candidates targeting human pancreatic α-amylase and human α-glycosidase: an exhaustive structure-based screening

2021· article· en· W4200053810 sur OpenAlexvenueno aff
Deepika Maliwal, Raghuvir R. S. Pissurlenkar, Vikas N. Telvekar

Notice bibliographique

RevueCanadian Journal of Chemistry · 2021
Typearticle
Langueen
DomaineMedicine
ThématiqueNatural Antidiabetic Agents Studies
Établissements canadiensnon disponible
Organismes subventionnairesNvidia
Mots-clésChemistryBinding affinitiesSmall moleculeDiabetes mellitusDocking (animal)AmylaseMolecular dynamicsComputational biologyMoleculeEnzymeBiochemistryMedicineComputational chemistryEndocrinologyBiologyReceptor

Résumé

récupéré en direct d'OpenAlex

Diabetes is a major health issue that has reached alarming levels, affecting nearly half a billion people worldwide. It is a serious and long-term medical condition that has a major impact on the lives and well-being of individuals, families, and societies. Diabetes is among the top 10 diseases responsible for death among adults, with an expected increase to 10.2% (578 million) by 2030 and 10.9% (700 million) by 2045. Carbohydrates are absorbed into the body upon hydrolysis by human pancreatic α-amylase and other intestinal enzymes, such as human α-glucosidase. α-Amylase and α-glucosidase are well-validated therapeutic targets in the treatment of type II diabetes mellitus (T2DM) and play a vital role in modulating blood glucose levels after a meal. Herein, we report novel and diverse molecules identified as potential candidates that are predicted to have affinities for α-amylase and α-glucosidase. These molecules were identified via hierarchical multistep docking of small-molecule databases with estimated binding free energies. A Glide XP score cutoff of –8.0 kcal/mol was implemented to filter out non-potential molecules from the database. Four molecules, amb22034702, amb18105639, amb17153304, and amb9760832, were identified after an exhaustive computational study involving the evaluation of binding interactions and assessment of the pharmacokinetics and toxicity profiles. In-depth analysis of protein–ligand interactions was performed using a 100 ns molecular dynamics (MD) simulation to establish dynamic stability. Furthermore, MM-GBSA based binding free energies were computed for 1000 trajectory snapshots to ascertain the strong binding affinities of these molecules for α-amylase and α-glucosidase. The identified molecules can be considered as promising candidates for further drug development through necessary experimental assessments.

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 distillée sur la base complète

Imitation des enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Expérimental (laboratoire) · Signal consensuel: Expérimental (laboratoire)
GenreSignal candidat: Empirique · Signal consensuel: Empirique
Score de désaccord entre enseignants0,031
Score d'incertitude au seuil0,709

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0000,000
Intégrité de la recherche0,0000,000
Charge utile insuffisante (le modèle a refusé de juger)0,0000,000

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.

Tête enseignante Opus0,011
Tête enseignante GPT0,254
Écart entre enseignants0,242 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule tête enseignante, pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeExpérimental (laboratoire)
Domainenon disponible
GenreEmpirique

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations14
Publié2021
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueCanadian Journal of ChemistryMême sujetNatural Antidiabetic Agents StudiesTravaux en français237 207