MétaCan
Menu
Retour à la cohorte
Enregistrement W4214883814 · doi:10.2174/2210315512666220302102611

Exploring the Potentials of Phytochemicals for Targeting Coronavirus

2022· article· en· W4214883814 sur OpenAlexaff
Shirin Khanna, Aravindhan Ganesan, Subha Kalyaanamoorthy

Notice bibliographique

RevueThe Natural Products Journal · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of Waterloo
Organismes subventionnairesnon disponible
Mots-clésCoronavirusCoronavirus disease 2019 (COVID-19)PandemicSevere acute respiratory syndrome coronavirus 2 (SARS-CoV-2)Outbreak2019-20 coronavirus outbreakSevere acute respiratory syndrome coronavirusSars virusVirologyPolyphenolMedicineBiologyInfectious disease (medical specialty)Disease

Résumé

récupéré en direct d'OpenAlex

Abstract: Since the initial outbreak in December 2019, the COVID-19 pandemic caused by the severe acute respiratory syndrome coronavirus 2 (SARS-CoV-2) has led to more than 3 million deaths worldwide. There is an urgent need for developing a potential therapy against SARS-CoV-2. Exploring the potentials of phytochemicals towards inhibition of SARS-CoV-2 proteins remains of significant scientific interest. The therapeutic values of phytochemicals in the treatment of diseases, such as viral infections, are known for a long time. In this review, we present a brief overview of the past experimental and computational efforts on evaluating phytochemicals against SARS coronaviruses, an earlier coronavirus strain. We discuss natural metabolites of different structural and chemical scaffolds, including polyphenols, flavonoids, and phytosterols, which can be promising compounds for screening against the currently evolving SARS-CoV-2 virus.

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)0,004
score de la tête « metaresearch » (Gemma)0,001
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 enseignants0,249
Score d'incertitude au seuil0,691

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0040,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0000,000
Études des sciences et des technologies0,0010,000
Communication savante0,0000,001
Science ouverte0,0020,001
Intégrité de la recherche0,0000,001
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 Opus0,132
Tête enseignante GPT0,334
Écart entre enseignants0,202 · 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

Citations0
Publié2022
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueThe Natural Products JournalMême sujetComputational Drug Discovery MethodsTravaux en français237 207