In-silico INVESTIGATION OF FERULIC ACID DERIVATES AGAINST MAIN PROTEASE SARS-COV
Notice bibliographique
Résumé
Ferulic acid is one of the natural compounds which is prevalent in various plants. This compound has known to possess extensive biological activity to get good health and well-being. In this study, we designed 23 derivates of ferulic acid and evaluate their potency in silico as potential SARS-CoV Mpro inhibitors. Furthermore, in silico ADME profiles of designed compounds were evaluated to verify whether the ferulic acid analogs possess an acceptable pharmacokinetic profile. The molecular docking result using AutoDock 4.2.6 showed that compound FA-24, which contained dihydro benzoxazine moiety, possesses a better docking score among the designed compound. Five top compounds based on docking score (FA-16, FA-17, FA-18, FA-23, and FA-24) were then evaluated using molecular dynamics for 10 ns, followed by free binding energy evaluation using the MM-PBSA approach. The result indicated that all compounds formed stable complexes with the enzyme for 100 ns. However, MM-PBSA result showed that compound FA-16, which contained phenyl benzoate moiety, possess higher free binding energy. It is argued that this difference was due to the nature of free binding energy evaluation, which was based on molecular dynamics results. Although, both the docking score and free binding energy of the designed compound are lower than the native ligand (AZP), it is believed that further structure modification could be performed to address this shortcoming. Ultimately, all designed ferulic acid analogs possess optimal absorption and drug-likeness characteristic, while several compounds were predicted to interact with isoforms of CYP450.
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 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 | 0,001 | 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 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| 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 découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule tête enseignante, 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 ».