Integrative <i>in silico</i> evaluation of the antiviral potential of terpenoids and its metal complexes derived from <i>Homalomena aromatica</i> based on main protease of 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
Abstract Substantial research is currently conducted focusing on the development of promising antiviral drugs employing in silico screening and drug repurposing strategies against SARS-CoV-2. The current study aims at identifying lead molecules targeting SARS-CoV-2 by the application of in silico and molecular dynamics (MD) approaches from phytoconstituents present in Homalomena aromatica . The main protease (M pro ) enzyme of SARS-CoV-2 is taken as the target protein to perform the docking analysis of 71 molecules reported from H. aromatica by the application of different modules of Discovery Studio 2018. Five molecules were taken as prospective leads namely dihydrocuminaldehyde, p -cymen-8-ol, cuminaldehyde, p -cymene, and cuminol. In the absence of known inhibitors, a comparative study was performed with the compounds reported in the literature and potent terpenoid–metal complexes were taken into account based on known efficacy as anti-viral molecules. After performing the docking studies with Mpro enzyme of SARS-CoV-2, it was observed that the –CDocker Energy of cuminaldehyde thiosemicarbazone was 29.152, indicating a significant affinity toward Mpro. The same was also supported by the MD study. Taken together, our results provided in silico evidence that secondary metabolites derived from H. aromatica could be employed as potent antiviral agents targeting SARS-CoV-2. Our findings warrant further validation of their in vitro and in vivo efficacies prior to their development into bona fide therapeutic agents.
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 | 0,001 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,000 | 0,000 |
| Méta-épidémiologie (sens large) | 0,000 | 0,000 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,000 | 0,000 |
| 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 découle