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 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 | 0,001 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,001 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,001 | 0,001 |
| 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 ».