Computational/In‐Silico Methods: An Influential Approach for Drug Designing and Development
Notice bibliographique
Résumé
Abstract As the world is struggling with the pandemic. Various infectious diseases have become a threat to human health. Millions of deaths are caused by these microbial infections (bacterial, fungal, and viral infections). The process of designing and discovering new drugs is very expensive and it also consumes a good amount of time. As per available data, the process of discovery and designing takes 3–20 years to complete. There is a strong urge and demand to discover new methods to make the process of drug design and development more cost‐effective. Computational methods are one the novel methods for designing and developing a drug. In this respect, in‐silico parameters; ADME (Absorption, Distribution, Metabolism, and Excretion) models have been established with various levels of complication for the transmission of huge data of derivatives/ligands/drugs. Nowadays, in‐silico tools are more cost‐effective, faster, and simpler than transitional experimental trials. Currently, the pharmaceutical industry faces a huge erosion rate of preclinical and clinical applicants due to the unavailability of pharmacokinetics properties and huge toxicity. These can be minimized via structural modifications of drugs and can help medicinal chemists/pharmacists. In this report, various methodologies and steps have been explained via molecular docking that will lead to drug development in lesser time against various stains.
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 | 0,002 | 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 | 0,001 | 0,001 |
| Science ouverte | 0,000 | 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 ».