In Silico Investigation of Spice Molecules as Potent Inhibitor of SARS-CoV-2
Notice bibliographique
Résumé
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.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,002 | 0,000 |
| Méta-épidémiologie (sens large) | 0,002 | 0,002 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,001 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,007 | 0,001 |
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 ».