Discovery of Polyphenolic Compounds from Mangifera indica as PotentTherapeutics for Strongyloides stercoralis Infection via Computer-aidedDrug Design
Notice bibliographique
Résumé
BACKGROUND: The global spread of Strongyloides stercoralis has escalated public health concerns, affecting over 600 million people worldwide. The rise in global migration has heightened the risk of transmission, underscoring the urgent need for effective treatment options. OBJECTIVE: This study aimed to investigate ten polyphenolic phytochemicals derived from Mangifera indica as potential alternatives to combat S. stercoralis. METHODS: The efficacy of these compounds was evaluated using computational techniques, including density functional theory (DFT) analysis, molecular docking, adsorption, distribution, metabolism, excretion, and toxicity (ADMET) assessment, and molecular dynamics (MD) simulations. RESULTS: DFT calculations revealed significant chemical reactivity in compounds such as kaempferol, ellagic acid, quercetin, norathyriol, mangiferin, and ferulic acid. Molecular docking identified mangiferin, quercetin, kaempferol, and norathyriol as top candidates for targeting S. stercoralis. A 200-ns MD simulation of the protein-ligand complex demonstrated the stability and binding behavior of these compounds compared to the reference drug, thiabendazole. ADMET screening confirmed their drug-likeness. Notably, quercetin and mangiferin exhibited strong binding affinities (ΔGbind = -42.35 and -54.57 kcal/mol, respectively), outperforming thiabendazole (ΔGbind = -28.94 kcal/mol). CONCLUSION: Quercetin and mangiferin emerge as promising alternatives to thiabendazole, offering favorable chemical reactivity, potent inhibition constants, and strong biological activity for the treatment of S. stercoralis.
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 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,000 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 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) | 0,002 | 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 ».