Investigating emodin derivatives against SARS-CoV-2 found in medicinal herbs
Notice bibliographique
Résumé
SARS-CoV-2 continues to mutate and circulate at alarming levels around the world and is exemplified by the emergence of the new variant JN.1. The emergence of novel SARS-CoV variants underscores the urgency for the development of new drugs. Phytochemicals, known for their safety and efficacy, have been widely used to address various ailments. This study aims at identifying the anti-SARS-CoV potential of emodin, a bioactive anthraquinone, and its derivatives. Key proteins, including hemagglutinin-esterase(HE), papain-like protease(PLpro), major protease(3CLpro), non-structural protein (nsp3) and spike protein(S) of SARS-CoV, were used as protein targets for the virtual screening of 110 emodin derivatives (ED) and remdesivir a proven antiviral drug. Among the 110 derivatives, ED21, ED25, ED5 inhibited HE, 3CLpro and S protein, respectively. ED29 inhibited both PLpro and nsp3 with high binding affinity. Similar receptor binding sites were occupied by remdesivir and emodins.These emodins are bound to similar amino acids in receptors as compared to remdesivir. Further dynamic simulations studies with ED21-HE, ED25-3CLpro, ED5-S, ED29-PLpro and ED29-nsp3 complexes showed all of them are stable with minimum root mean square deviation (RMSD), root mean square fluctuation (RMSF), solvent-accessible surface area (SASA) and radius of gyration (Rg); and are comparable to APO protein. All the ligands accepted Lipinski’s rule of five. Absorption, distribution, metabolism, excretion, and toxicity (ADMET) analysis revealed only ED21 and ED5 as promising druglike candidates that can have high therapeutic value and no side effects. These in-silico findings contribute to the development of potent SARS-CoV-2 inhibitors, potentially advancing the quest for effective antiviral drugs.
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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,001 |
| Communication savante | 0,000 | 0,001 |
| 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 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 ».