Computational investigation of hydrazone derivatives as potential COVID-19 receptor inhibitors: DFT analysis, molecular docking, dynamics simulations, topological indices and ADMET profiling
Notice bibliographique
Résumé
A molecule (E)-N′-((E)-2-(2-(furan-3-carbonyl)hydrazono)-1,2-diphenylethylidene) furan-2-carbohydrazide (DPFC) plays a significant role in the treatment of SARS-CoV-2. The current study investigated the molecular structure of the titled compound through a DFT method. The geometric parameters obtained theoretically closely match experimental findings. Various calculations were conducted, including dipole moment, polarizability, hyperpolarizability (NLO), occupied and unoccupied molecular orbitals (HOMO-LUMO), charge localisation and delocalisation (NBO), molecular stability, and the chemical activity region (MEP) of the molecule. The interaction between the DPFC ligand and COVID-19 receptors (6WCF/6Y84/6LU7) was investigated through molecular docking to elucidate the binding modes of this compound at the active sites. Molecular dynamics simulation was employed on the COVID-19 main protease (Mpro: 6WCF/6Y84/6LU7) to discern the factors influencing the inhibitory effect and the stability of interaction under dynamic conditions. Molecular descriptors play a significant role in molecular structural analysis by investigating quantitative structure-activity relationships (QSARs) and quantitative structure-property relationships (QSPRs).
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 | 0,001 |
| 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 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 ».