Comprehensive in silico discovery of c-Src tyrosine kinase inhibitors in cancer treatment: A unified approach combining pharmacophore modeling, 3D QSAR, DFT, and molecular dynamics simulation
Pourquoi ce travail est dans la base
Une base qui oublie comment elle a trouvé un travail ne peut pas être vérifiée. Voici les voies qui ont admis celui-ci.
Notice bibliographique
Résumé
To investigate c-Src, a non-receptor tyrosine kinase dysregulated in various cancer types including colon, breast, and pancreatic cancers, as a potential drug target for cancer therapy. Ligand-based pharmacophore modeling and 3D-QSAR analysis on a dataset of 34 c-Src tyrosine kinase inhibitors were employed. The established pharmacophore model (DDRRR_1) features two hydrogen bond donor (D) and three aromatic ring (R) features, exhibiting favorable parameters (R2 = 0.926; Q2 = 0.895; F value = 47.9). Hypothesis validation, enrichment analysis, and contour plot analysis were conducted, followed by virtual screening of a PubChem database using the optimized pharmacophore model and filtering based on the Lipinski rule of five. The most promising inhibitors underwent multistep molecular docking, density Functional Theory (DFT) analysis, ADMET assessments, molecular dynamics simulation, and PCA. CID_70144047 emerged as the most promising hit with all the above favorable properties. The study provides a comprehensive approach for identifying novel c-Src tyrosine kinase inhibitors, highlighting CID_70144047 as a promising leads with potential therapeutic applications in cancer treatment.
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.
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 | 0,001 | 0,003 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,002 |
| 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 découle