MétaCan
Menu
Retour à la cohorte
Enregistrement W4387246248 · doi:10.1038/s41598-023-43175-x

Novel computational and drug design strategies for inhibition of human papillomavirus-associated cervical cancer and DNA polymerase theta receptor by Apigenin derivatives

2023· article· en· W4387246248 sur OpenAlexaff
Shopnil Akash, İmren Bayıl, Md. Saddam Hossain, Md. Rezaul Islam, Md. Eram Hosen, Amare Bitew Mekonnen, Hiba‐Allah Nafidi, Yousef A. Bin Jardan, Mohammed Bourhia, Talha Bin Emran

Notice bibliographique

RevueScientific Reports · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversité Laval
Organismes subventionnairesnon disponible
Mots-clésApigeninIn silicoProtein Data Bank (RCSB PDB)Docking (animal)ChemistryQuantitative structure–activity relationshipPolymeraseStereochemistryDNABiochemistryComputational biologyBiologyMedicineGene

Résumé

récupéré en direct d'OpenAlex

The present study deals with the advanced in-silico analyses of several Apigenin derivatives to explore human papillomavirus-associated cervical cancer and DNA polymerase theta inhibitor properties by molecular docking, molecular dynamics, QSAR, drug-likeness, PCA, a dynamic cross-correlation matrix and quantum calculation properties. The initial literature study revealed the potent antimicrobial and anticancer properties of Apigenin, prompting the selection of its potential derivatives to investigate their abilities as inhibitors of human papillomavirus-associated cervical cancer and DNA polymerase theta. In silico molecular docking was employed to streamline the findings, revealing promising energy-binding interactions between all Apigenin derivatives and the targeted proteins. Notably, Apigenin 4'-O-Rhamnoside and Apigenin-4'-Alpha-L-Rhamnoside demonstrated higher potency against the HPV45 oncoprotein E7 (PDB ID 2EWL), while Apigenin and Apigenin 5-O-Beta-D-Glucopyranoside exhibited significant binding energy against the L1 protein in humans. Similarly, a binding affinity range of - 7.5 kcal/mol to - 8.8 kcal/mol was achieved against DNA polymerase theta, indicating the potential of Apigenin derivatives to inhibit this enzyme (PDB ID 8E23). This finding was further validated through molecular dynamic simulation for 100 ns, analyzing parameters such as RMSD, RMSF, SASA, H-bond, and RoG profiles. The results demonstrated the stability of the selected compounds during the simulation. After passing the stability testing, the compounds underwent screening for ADMET, pharmacokinetics, and drug-likeness properties, fulfilling all the necessary criteria. QSAR, PCA, dynamic cross-correlation matrix, and quantum calculations were conducted, yielding satisfactory outcomes. Since this study utilized in silico computational approaches and obtained outstanding results, further validation is crucial. Therefore, additional wet-lab experiments should be conducted under in vivo and in vitro conditions to confirm the findings.

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,001
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
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: Empirique
Score de désaccord entre enseignants0,004
Score d'incertitude au seuil0,010

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,001
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0010,001
Études des sciences et des technologies0,0000,000
Communication savante0,0010,001
Science ouverte0,0010,000
Intégrité de la recherche0,0010,000
Charge utile insuffisante (le modèle a refusé de juger)0,0030,000

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 Opus0,044
Tête enseignante GPT0,323
Écart entre enseignants0,279 · 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 source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
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

Citations77
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueScientific ReportsMême sujetComputational Drug Discovery MethodsTravaux en français237 207