Integrated computer aided methods to designing potent α-Glucosidase inhibitors based on quinoline scaffold derivative
Notice bibliographique
Résumé
Diabetes mellitus is a serious health disease that affects people all over the world. The number of persons identified with diabetes mellitus rises each year. α -Glucosidase is a digestive enzyme used to control diabetes mellitus. The searching for new potent α-glucosidase inhibitors capable of delaying carbohydrate digestion in the human body is an important strategy towards control of diabetes mellitus. In this work, a series of quinoline-based Schiff base derivatives already identified as α-glucosidase inhibitory activity was studied by using 2D/3D-QSAR approach. The best HQSAR/A-B-C-H-Ch-DA and CoMSIA/SEDA models were constructed using thirteen molecules in the training set, resulting in favorable values of Q2 (0.834 and 0.607), and high values of R2 (0.985 and 0.912), respectively. The generated HQSAR/A-B-C-H-Ch-DA and CoMSIA/SEDA contour plots were precious for designing and enhancing the α-glucosidase inhibitory activity of quinoline-based Schiff base molecules. Considering these results, two novel α-glucosidase compounds were designed to possess significant activity. The newly suggested molecules showed good outcomes in the preliminary in silico ADME/Tox evaluations. Molecular docking results revealed that the new designed inhibitors have a good stability in the active pocket of the studied receptor compared to voglibose, clinically used as an α-glucosidase inhibitor. MD simulation and MM-GBSA results confirmed the molecular docking outcomes. Finally, DFT analysis was useful in determining the most electrophilic and nucleophilic centers of the two designed α-glucosidase inhibitors.
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 | 0,001 | 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 | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| 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 ».