Interaction of Graphene with Amoxicillin Antibiotic by in Silico Study

سال انتشار: 1401
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 173

فایل این مقاله در 11 صفحه با فرمت PDF قابل دریافت می باشد

استخراج به نرم افزارهای پژوهشی:

لینک ثابت به این مقاله:

شناسه ملی سند علمی:

JR_CHM-6-11_006

تاریخ نمایه سازی: 13 شهریور 1401

چکیده مقاله:

This paper examined interaction of Graphene with Amoxicillin antibiotic through density functional theory (DFT) and by using molecular docking method. For this, the structures of Amoxicillin and, Graphene were initially optimized with Gaussian program. Then, by using the molecular docking strategy and its grading system, we computed the arrangement of ۱۰ structures with additional negative binding energy and a fixed state compared with other samples. Finally, for the most fixed arrangement with Graphene, molecular orbitals evaluations were conducted, and binding energy along with thermodynamic evaluated, the results indicated that the adsorption of Amoxicillin antibiotic on Graphene was an exothermic. Finally, the QTAIM calculations were performed to evaluate the type of interaction and bonds created between amoxicillin and graphene.

کلیدواژه ها:

نویسندگان

Somayeh Pour Karim

Department of Chemistry, College of Basic Sciences, Yadegar-e-Imam Khomeini (RAH) Shahre Rey Branch, Islamic Azad University, Tehran, Iran

Roya Ahmadi

Department of Chemistry, College of Basic Sciences, Yadegar-e-Imam Khomeini (RAH) Shahre Rey Branch, Islamic Azad University, Tehran, Iran

Mohammad Yousefi

Department of Chemistry, Faculty of Pharmaceutical Chemistry, Tehran Medical Sciences, Islamic Azad University, Tehran, Iran

Khadijeh Kalateh

Department of Chemistry, College of Basic Sciences, Yadegar-e-Imam Khomeini (RAH) Shahre Rey Branch, Islamic Azad University, Tehran, Iran

Goldasteh Zarei

Department of Chemistry, College of Basic Sciences, Yadegar-e-Imam Khomeini (RAH) Shahre Rey Branch, Islamic Azad University, Tehran, Iran

مراجع و منابع این مقاله:

لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :