A comprehensive investigation on one-pot synthesis of imidazole derivatives: quantum computational analysis, molecular docking, molecular dynamics simulations and antiviral activity against SARS-CoV-2
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
New derivatives of 4-(2-(2-(2,3-dihydrobenzo[b][1,4]dioxin-6-yl)-4,5-diphenyl-1H-imidazol-1-yl)ethyl)morpholine (DDIM) have been successfully synthesised and characterised using spectral methods such as FT-IR, 1H NMR, and 13C NMR. Density functional theory (DFT) with the B3LYP/6-311G (d, p) level of theory was used to determine optimised bond parameters and single crystal XRD investigations confirmed the structure of DDIM. The results of single crystal XRD measurements aligned well with the optimised geometrical parameters from DFT calculations. Frontier molecular orbital computations provided insights into the molecule's stability, chemical reactivity and charge transfer. Atomic charges were determined using mulliken population analysis. The molecular electrostatic potential (MEP) mapped to electron density surfaces identified potential reactive sites. This molecule shows promise as a potential NLO material due to its high μβ0 value. Binding affinities were determined via molecular docking against the COVID-19 major protease (Mpro: 6WCF/6Y84/6LU7). A 100 ns molecular dynamics simulation under in silico physiological conditions confirmed the stability of the complex structure formed with the COVID-19 protein, revealing a stable conformation and binding pattern in an imidazole derivative environment. Additionally, in-silico analysis predicted favourable to moderate anti-viral activity and anticipated the compound's absorption, distribution, metabolism, excretion, and toxicity (ADMET) profiles.
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 | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,000 |
| Bibliométrie | 0,000 | 0,001 |
| 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 découle