In Silico Investigation of Spice Molecules as Potent Inhibitor of SARS-CoV-2
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
<p>The severe acute respiratory syndrome Coronavirus 2 (SARS-CoV-2) is a novel infectious disease that is in rapid growth. Several trials are going on worldwide to find a solution for this pandemic. The viral replication can be blocked by inhibiting the SARS-CoV-2 spike protein (SARS-CoV-2 Spro), and the SARS-CoV-2 main protease (SARS-CoV-2 Mpro). The binding of potential small molecules to these proteins can possibly inhibit the replication and transcription of the virus. The spice molecules that are used in our food have the properties of antiviral, antifungal, and antimicrobial nature. As spice molecules are consumed in the diet, hence its antiviral properties against SARS-CoV-2 will benefit in a significant manner. Therefore, in this work, the blind molecular docking of 30 selected spice molecules (through ADME property screening) was performed for the identification of potential inhibitors for the Spro and Mpro of SARS-CoV-2. We found that all the molecules bind actively with the SARS-CoV-2 Spro and Mpro. However, the molecule, Piperine, is found to have the highest binding affinity among the 30 screened molecules. We anticipate immediate wet-lab experiments and clinical trials in support of this computational study might be helpful in inhibiting the SARS-CoV-2 virus.</p>
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,001 | 0,002 |
| Intégrité de la recherche | 0,000 | 0,000 |
| 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