Antiviral Activity, Pharmacoinformatics, Molecular Docking, and Dynamics Studies of <i>Azadirachta indica</i> Against Nipah Virus by Targeting Envelope Glycoprotein: Emerging Strategies for Developing Antiviral Treatment
Notice bibliographique
Résumé
The Nipah virus (NiV) belongs to the Henipavirus genus is a serious public health concern causing numerous outbreaks with higher fatality rate. Unfortunately, there is no effective medication available for NiV. To investigate possible inhibitors of NiV infection, we used in silico techniques to discover treatment candidates in this work. As there are not any approved treatments for NiV infection, the NiV-enveloped attachment glycoprotein was set as target for our study, which is responsible for binding to and entering host cells. Our in silico drug design approach included molecular docking, post-docking molecular mechanism generalised born surface area (MM-GBSA), absorption, distribution, metabolism, excretion/toxicity (ADME/T), and molecular dynamics (MD) simulations. We retrieved 418 phytochemicals associated with the neem plant ( Azadirachta indica) from the IMPPAT database, and molecular docking was used to ascertain the compounds’ binding strength. The top 3 phytochemicals with binding affinities of −7.118, –7.074, and −6.894 kcal/mol for CIDs 5280343, 9064, and 5280863, respectively, were selected for additional study based on molecular docking. The post-docking MM-GBSA of those 3 compounds was −47.56, –47.3, and −43.15 kcal/mol, respectively. As evidence of their efficacy and safety, all the chosen drugs had favorable toxicological and pharmacokinetic (Pk) qualities. We also performed MD simulations to confirm the stability of the ligand-protein complex structures and determine whether the selected compounds are stable at the protein binding site. All 3 phytochemicals, Quercetin (CID: 5280343), Cianidanol (CID: 9064), and Kaempferol (CID: 5280863), appeared to have outstanding binding stability to the target protein than control ribavirin, according to the molecular docking, MM-GBSA, and MD simulation outcomes. Overall, this work offers a viable approach to developing novel medications for treating NiV 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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| 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) | 0,002 | 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 ».