QSAR Models and Virtual Screening for Discovery of New Analgesic Leads
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
The search for new selective pharmacological agents with no significant side-effects is an increasing requirement for the development of new drugs to be used in the treatment of acute and chronic pain. In the present study, a new series of compounds (VAM 1, 6, 10, 11, 12, 2-4) has been screening in QSAR-LDA mathematic models and pharmacologically evaluated. The antinociceptive properties of the new analgesic candidates obtained of virtual screening have been investigated in animal models of pain at the doses of 100, 150 and 200 mg/kg, and in vitro tests. Compounds VAM 10 and VAM 2-4 are the most potent antinociceptive agents from this series using different models of nociception in mice. A mild affinity for μ opioid receptor has been observed for the compound VAM 1 and 10. The pre-treatment with the compounds VAM 1, 2-4, 6, 10, 11, 12, showed a potent inhibition of IL-6 on RAW cells. The blocking efficacy of nineteen compounds on several isoforms of voltage-dependent sodium channels, expressed in Xenopus laevis oocytes, was tested (Nav1.3, Nav1.5, Nav1.6, Nav1.7, and Nav1.8). An exception was Nav1.6, where VAM 2-4 compound to result in substantial block indicating that acts specifically at this peculiar isoform. These results indicate the potential of the compound VAM 2-4 to treat pain conditions.
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 | 0,000 | 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 | 0,002 |
| 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 découle