Network pharmacology, molecular docking, and dynamics analyses to predict the antiviral activityof ginger constituents against coronavirus infection
Notice bibliographique
Résumé
Abstract Background: COVID-19 is a global pandemic that caused a dramatic loss of human life worldwide, leading to accelerated research for antiviral drug discovery. Herbal medicine is one of the most commonly used for of alternative medicine for prevention and treatment of many conditions including respiratory system diseases. Methods: In this study, a computational pipeline was employed, including network pharmacology, molecular docking simulations, and molecular dynamics simulations, to analyze the common phytochemicals of ginger rhizomes and identify candidate constituents as viral inhibitors. Furthermore, experimental assays were performed to analyze the volatile and non-volatile compounds of ginger and to assess the antiviral activity of ginger oil and hydro-alcoholic extract. Results: Network pharmacology analysis showed that ginger compounds target human genes that are involved in related cellular processes to the viral infection. Docking analysis highlighted five pungent compounds and zingiberenol as potential inhibitors for the main protease (Mpro), spike receptor-binding domain (RBD), and human angiotensin-converting enzyme 2 (ACE2). Finally, (6)-gingerdiacetate was selected for molecular dynamics (MD) simulations as it exhibited the best binding interactions and free energies over the three target proteins. Trajectories analysis of the three complexes showed that RBD and ACE2 complexes with the ligand preserved similar patterns of root mean square deviation (RMSD) and radius of gyration (Rg) values to their respective native structures. These pungent compounds contribute to the higher antiviral activity of ginger extract than HD oil with CC50 of 3.480 μg/ml and IC50 of 2.727 μg/ml. Conclusion: Our study provides predictive insights that could be useful for development of anti-coronavirus drugs especially (6)-gingerdiacetate that may enhance the host immune response and block RBD binding to ACE2, thereby, inhibiting SARS-CoV-2 infection.
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) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,000 |
| Études des sciences et des technologies | 0,001 | 0,000 |
| Communication savante | 0,001 | 0,001 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,003 | 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 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 ».