MétaCan
Menu
Retour à la cohorte
Enregistrement W4229443156 · doi:10.3389/fmolb.2022.898874

Potential of Natural Alkaloids From Jadwar (Delphinium denudatum) as Inhibitors Against Main Protease of COVID-19: A Molecular Modeling Approach

2022· article· en· W4229443156 sur OpenAlexafffund
Anuj Kumar, Mansi Sharma, Christopher D. Richardson, David J. Kelvin

Notice bibliographique

RevueFrontiers in Molecular Biosciences · 2022
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensDalhousie University
Organismes subventionnairesCentral Drug Research InstituteResearch Nova ScotiaGenome CanadaCanadian Institutes of Health ResearchDalhousie UniversityDalhousie Medical Research Foundation
Mots-clésLipinski's rule of fiveADMEDocking (animal)ChemistryProteaseMolecular dynamicsPharmacologyStereochemistryDrugComputational biologyBiochemistryComputational chemistryEnzymeBiologyIn silicoMedicineVeterinary medicine

Résumé

récupéré en direct d'OpenAlex

The ongoing pandemic coronavirus disease (COVID-19) caused by a novel corona virus, namely, severe acute respiratory syndrome coronavirus-2 (SARS-CoV-2), has had a major impact on global public health. COVID-19 cases continue to increase across the globe with high mortality rates in immunocompromised patients. There is still a pressing demand for drug discovery and vaccine development against this highly contagious disease. To design and develop antiviral drugs against COVID-19, the main protease (M pro ) has emerged as one of the important drug targets. In this context, the present work explored Jadwar ( Delphinium denudatum )–derived natural alkaloids as potential inhibitors against M pro of SARS-CoV-2 by employing a combination of molecular docking and molecular dynamic simulation–based methods. Molecular docking and interaction profile analysis revealed strong binding on the M pro functional domain with four natural alkaloids viz . panicutine (−7.4 kcal/mol), vilmorrianone (−7.0 kcal/mol), denudatine (−6.0 kcal/mol), and condelphine (−5.9 kcal/mol). The molecular docking results evaluated by using the MD simulations on 200 nanoseconds confirmed highly stable interactions of these compounds with the M pro . Additionally, mechanics/generalized Born/Poisson–Boltzmann surface area (MM/G/P/BSA) free energy calculations also affirmed the docking results. Natural alkaloids explored in the present study possess the essential drug-likeness properties, namely, absorption, distribution, metabolism, and excretion (ADME), and are in accordance with Lipinski’s rule of five. The results of this study suggest that these four bioactive molecules, namely, condelphine, denudatine, panicutine, and vilmorrianone, might be effective candidates against COVID-19 and can be further investigated using a number of experimental methods.

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)0,002
score de la tête « metaresearch » (Gemma)0,001
Version: codex-gemma-dda1882f352aStatut de validation: machine_predicted_unvalidated
Catégories candidatesMéta-épidémiologie (sens strict)
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Empirique · Signal consensuel: aucune
Score de désaccord entre enseignants0,239
Score d'incertitude au seuil1,000

Scores Codex et Gemma par catégorie

CatégorieCodexGemma
Métarecherche0,0020,001
Méta-épidémiologie (sens strict)0,0000,000
Méta-épidémiologie (sens large)0,0000,000
Bibliométrie0,0010,002
Études des sciences et des technologies0,0000,000
Communication savante0,0000,000
Science ouverte0,0030,001
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 Opus0,010
Tête enseignante GPT0,261
Écart entre enseignants0,251 · 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.

Devis d'étudeSimulation ou modélisation
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
Publié2022
Routes d'admission2
Résumé présentoui

Explorer davantage

Même revueFrontiers in Molecular BiosciencesMême sujetComputational Drug Discovery MethodsTravaux en français237 207