Synthesis of nonsteroidal anti-inflammatory drug (NSAID) 2,4,5-trimethoxybenzaldehyde from Indonesian calamus oil and its in silico pharmacokinetic study
Notice bibliographique
Résumé
There is a race to search for nonsteroidal anti-inflammatory painkillers due to the escalating cases of the life-threatening COVID-19 pandemic. Those current nonsteroidal anti-inflammatory drugs (NSAIDs) used as an inflammation adjunct treatment on COVID-19 patients, including paracetamol, ibuprofen, and celecoxib, are still under dispute offering emergency development of a new potent NSAID. Meanwhile, a well-known COX-2 selective anti-inflammation 2,4,5-trimethoxybenzaldehyde (TMBA) has not been developed further in terms of its synthetic methodology and its pharmacokinetic studies. Herein, the synthesis of 2,4,5-TMBA from Indonesia sweet flag ( Acorus calamus) and its pharmacokinetic properties was studied through in silico calculation. A typical Asian tetraploid calamus oil was yielded ( 90% pure) after reduced pressure distillation of the crude Indonesian sweet flag oil. Submission of that oil into a very cheap DIY ozone machine produced 95% of pure 2,4,5-TMBA just in 10 min ozonised. The in silico adsorption, distribution, metabolism, excretion, and toxicity (ADMET) prediction using the free access ADMETlab 2.0 web server strongly recommended 2,4,5-TMBA to be an orally administered NSAID candidate.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| Science ouverte | 0,000 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,000 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 ».