Computational investigation of turmeric phytochemicals targeting PTR1 enzyme of Leishmania species
Notice bibliographique
Résumé
In this study, we used in silico techniques to identify available parasite treatments, representing a promising therapeutic avenue. Building upon our computational initiatives aimed at discovering natural inhibitors for various target enzymes from parasites causing neglected tropical diseases (NTDs), we present novel findings on three turmeric-derived phytochemicals as inhibitors of Leishmania pteridine reductase I (PTR1) through in silico methodologies. PTR1, a crucial enzyme in the unique folate metabolism of trypanosomatid parasites, holds established therapeutic significance. Employing MOE software, a molecular docking analysis assesses the efficacy of turmeric phytochemicals against Leishmania PTR1. Validation of the docking protocol is confirmed with an RMSD value of 2. Post-docking, compounds displaying notable interactions with critical residues and binding affinities ranging between −6 and −8 kcal/mol are selected for interaction pattern exploration. Testing twelve turmeric phytochemicals, including curcumin, zingiberene, curcumol, curcumenol, eugenol, bisdemethoxycurcumin, tetrahydrocurcumin, tryethylcurcumin, turmerones, turmerin, demethoxycurcumin, and turmeronols, revealed binding affinities ranging from −5.5 to −8 kcal/mol. Notably, curcumin, demethoxycurcumin, and bisdemethoxycurcumin exhibit binding affinities within −6.5 to −8 kcal/mol and establish substantial interactions with catalytic residues. These phytochemicals hold promise as lead structures for rational drug design targeting Leishmania spp. PTR in future applications. This work underscores the potential of these identified phytochemicals in the development of more effective inhibitors, demonstrating their relevance in addressing neglected tropical diseases caused by parasites.
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 | 0,000 | 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 | 0,000 | 0,000 |
| 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 ».