本研究研究了基于自由结合能(δg)的潜在活性预测以及对ARTOCARPUS冠军(Lour。)的植物复合的相互作用确认。使用二肽基肽酶IV(DPP -IV)的大分子蛋白受体在硅分子对接研究中,以及物理化学和药代动力学特性(ADME -TOX)预测方法。使用Autodock v4.2.6(100个对接运行)将DPP -IV受体大分子蛋白蛋白数据库(ID:1×70)的活性子站点停靠。一个52×28×26Å点的网格盒子由0.37Å的距离为X =40.926Å的活动位置; y =50.522Å; Z =35.031Å。用于ADME -TOX预测,使用了基于瑞士的在线申请计划。结果表明,基于δg值和相互作用构象,来自A.冠军的12个Pythocompound具有DPP -IV抑制剂的潜力。比天然配体有五个具有较低δg值和抑制常数的Pythocompounds,七个具有δg值和抑制常数接近天然配体的Pythocompounds。12种化合物在DPP -IV受体的活性子矿石上形成了一种相互作用构象。同时,Adme -Tox预测分析的结果表明,这12种化合物具有不同的物理化学和药代动力学特性。
允许将本工作的全部或一部分供个人或课堂使用的数字或硬副本授予,而没有费用,只要副本不是盈利或商业优势,并且副本带有此通知和首页上的完整引用。必须尊重他人所拥有的这项作品的组成部分的版权。允许用信用摘要。否则复制或重新出版以在服务器上发布或重新分配到列表,需要事先特定的许可和/或费用。请求权限从permissions@acm.org。
基因组技术的快速演变已大大改变了医学和药物基因组研究的景观。在可用的众多方法中,整个外显子组测序(WES)是一种强大的工具,可以全面分析基因组的蛋白质编码区域。从WES中受益的最重要领域之一是研究ADME(吸收,分布,代谢和排泄)基因的遗传变异。这些基因在药物的药代动力学中起着至关重要的作用,从而影响了它们的效率和安全性。本文深入研究了ADME基因中遗传变异的重要性,探讨了WES在识别这些变体方面的影响,并突出了这项研究对个性化医学的未来影响[1-3]。
HIV-1或人类免疫缺陷病毒1型,是一种全球大流行,影响了全球数百万个个体。作为该病毒生命周期的多功能酶,逆转录酶(RT)是药物发现的重要靶标。rt抑制剂主要分为两种类型:非核苷逆转录酶抑制剂(NNRTIS)和核苷逆转录酶抑制剂(NRTIS),尽管其他类别,例如核苷酸逆转录酶抑制剂(NRTIS),也存在。分子对接和药效团建模方法和DFT(密度功能理论)计算是HIV-1药物发现中的重要一步。在当前的研究中,我们在计算机方法中使用了探索新型苯咪唑唑酮(1,3-二氢-2H-2H-Benzimidazol-2-one)衍生物的结合模式。因此,对HIV-1 RT的野生型和突变形式进行了苯甲酰唑酮化合物,包括K103N,Y181C和双突变体K103N/Y181C。分子对接的结果使我们能够选择两种苯甲酰唑酮化合物(L15和L17)作为促进具有良好结合亲和力的抑制剂,不仅与野生型HIV -1(L15:-11.5:-11.5 kcal/mol/mol和L17:-11.4:11.4 kcal/mol),而且还针对Mol Y181和2 Kc/Mol Y181和2 lt Y181。 L17:-10.1 kcal/mol),K103N(L15:-11.5 kcal/mol和L17:-11.6 kcal/mol)和双突变体K103N/Y181C(L15:-11.1 kcal/mol/mol和L17:-9.9 kcal/mol)。此外,设计的配体的特征是基于ADMET(吸收,分布,代谢,排泄和毒性)的理想药代动力学特性。在这项工作结束时,对候选药物(L15和L17)进行了返回研究,以简化其合成。
结直肠癌 (CRC) 是当今重大的公共卫生问题。化疗药物(包括 5-氟尿嘧啶、卡培他滨、阿霉素和紫杉醇)可有效阻止恶性细胞的发展。然而,这些药物会影响健康细胞并产生许多副作用。本研究采用计算分子对接方法和 ADME-T 分析来研究所选的草药抗癌化合物(苦杏仁苷)对抗结肠癌的作用。使用 Schrödinger Suite 对 CDK-2 蛋白进行分子对接分析。此外,使用 Protox III、pkCSM 和 SwissADME 网络服务器对苦杏仁苷进行 ADME-T 分析,以评估其物理化学、药代动力学和药效学特性。结果表明,苦杏仁苷对靶蛋白 CDK-2 具有最大结合亲和力(-10.92 kcal/mol)。 ADME-T 分析表明苦杏仁苷可能是治疗 CRC 的潜在化疗药物。苦杏仁苷口服时无致癌性和遗传毒性,且急性口服毒性低。这项研究将有助于科学界和社会寻找治疗 CRC 的有效药物。
摘要:大型化学存储库和组合化学空间的出现,加上高通量对接和生成式 AI,极大地扩展了用于药物发现的小分子化学多样性。选择用于实验验证的化合物需要根据有利的药物特性(例如吸收、分布、代谢、排泄和毒性 (ADMET))对这些分子进行筛选。我们开发了 ADMET-AI,这是一个机器学习平台,可作为网站和 Python 包提供快速准确的 ADMET 预测。ADMET-AI 在 TDC ADMET 基准组排行榜上的平均排名最高,它目前是速度最快的基于 Web 的 ADMET 预测器,与第二快的 ADMET Web 服务器相比,时间缩短了 45%。ADMET-AI 也可以在本地运行,预测一百万个分子仅需 3.1 小时。
肝细胞癌 (HCC) 死亡率高,是全球面临的重大健康挑战,迫切需要先进的治疗策略。本研究采用计算机方法从已获批准的 IBS_Scaff 532 天然化合物库中识别潜在的磷酸二酯酶 5 (PDE5) 抑制剂。PDE5 抑制剂因其潜在的抗肿瘤作用而备受关注。研究人员使用分子对接模拟评估了这些化合物与调节细胞 cGMP 通路的 PDE5 酶的结合效果。此外,ADMET 分析预测了候选抑制剂的药理和安全性。值得注意的是,IBS_NC-0322 和 IBS_NC-0320 等化合物表现出良好的 ADMET 特性和强的结合亲和力。这些发现表明它们具有作为治疗 HCC 的治疗剂的潜力。虽然计算机模拟方法是宝贵的筛选工具,但后续的实验验证和临床试验对于确认至关重要。
摘要:由于抗药性的不断出现和蚊媒的适应性,疟疾的管理和控制仍然具有挑战性。这需要不断发现有效的抗疟药物。恶性疟原虫的乳酸脱氢酶 (Pf LDH) 是寄生虫能量产生的重要催化剂。Pf LDH 是抗疟药物设计和发现的重要靶点,因为抑制它会导致寄生虫死亡。在本研究中,通过分子对接筛选了 15 种对氯喹敏感和氯喹抗性的恶性疟原虫菌株有效的 10-脒基苯并萘啶分子,以找到 Pf LDH 的主要抑制剂。化合物的结合亲和力范围为 -5.5 至 -7.8kcal/mol。对结合亲和力最高的化合物进行修饰,设计了九种新型 10-脒基苯并萘啶。设计的化合物对靶标具有更好的结合亲和力,范围从 -7.8 到 -8.8kcal/mol,其中四种化合物的结合亲和力优于 10-脒基苯并萘啶抗疟药 Pyronaridine。此外,通过计算机模拟预测了设计化合物的 ADME 特性,并使用 Lipinski 的五规则和 Veber 的二规则研究了它们的药物相似性。根据这些规则,化合物 D1、D2、D3、D4、D5 和 D8 是潜在的口服候选药物。化合物 D2、D3 和 D8 具有良好的结合亲和力和 ADME 特性,因此可以开发成针对 Pf LDH 的强效抗疟药。这项工作的结果可用于开发能够抑制 Pf LDH 的活性抗疟药。关键词:分子对接,10-脒基苯并萘啶,恶性疟原虫乳酸脱氢酶,ADME 特性,计算机药物设计 1. 简介 疟疾是世界热带和亚热带地区常见的一种传染病,在非洲很流行,2022 年全球 94% 的病例都发生在非洲 [1]。该地区疟疾负担最重的原因可能是卫生条件差,导致媒介(雌性按蚊)繁殖,从而将寄生虫(疟原虫)在人与人之间传播。根据世卫组织 2023 年世界疟疾报告,尼日利亚占全球疟疾病例和死亡人数的 27% 和 31%,是世界上疟疾病例和死亡人数最多的国家 [1]。恶性疟原虫
酪蛋白激酶2-α蛋白是治疗白血病癌的靶标之一,它是调节白血病癌生生长的重要分子。姜黄素化合物被证明具有2-α酪蛋白抑制剂的活性,但仍没有研究将姜黄素衍生物化合物作为2-α酪蛋白酶抑制剂进行测试。这项研究的目的是根据酪蛋白化合物及其衍生物作为酪蛋白激酶抑制剂2-αIDGDP:3PE1:3PE1通过分子对接(基于最低的键合能(ΔG)和相互作用),并知道ADMET的预测。所使用的方法是带有自动库克工具1.5.7的分子张力。接下来是Lipinski对姜黄素化合物的五(RO5)测试及其衍生物的规则,并伴随着使用Swiss Adme和Admetsar进行ADMET筛选。获得的结果是三种测试化合物,具有最佳的游离键能(ΔG),即DI -O -O -ECETEDETEDEMETHOXY CURCUMIN = -10.13 kcal/mol,二甲氧基姜黄素= -9.93 kcal/mol/mol和Dimethyl Curcumin = -9,88 kacal/mol。氨基酸残基最大程度地形成氢键的是valine(Val 116)多达22种相互作用,其次是赖氨酸(Lys 68)(Lys 68)多达18种相互作用,而天冬氨酸(ASP 175)(ASP 175)多达17个相互作用。三种最佳测试化合物还符合RO5标准,并且在这些化合物中进行ADMET筛选显示了活性预测的结果,因为2-α酪蛋白抑制剂具有吸收参数,分布,代谢,排泄,毒性(ADMET)已经很好。基于从这项研究获得的数据,预计三种最佳测试化合物具有2-α酪蛋白抑制剂的潜力。
Lexique 1000G:1000基因组项目(第3阶段)2G:二分法遗传ACMG:美国医学遗传学与基因组学院AD:自染色体占主导地位AFR:非洲/非裔美国人AMR:Ambixed Amerry:Ambixed Amer AR:Autosomal recssessive ADM:与自动构成adp的自动质体占主导地位:自动构成的Autosals Admanal Aldnalal Allsalal Armanal Armanal alnalalal Alend of tosal alnalalal alnalalal alnalalal solidal: base pair CDS: CoDing Sequence CNV: Copy Number Variation DDD: Deciphering Developmental Disorders DECIPHER: DatabasE of genomic varIation and Phenotype in Humans using Ensembl Resources DEL: Deletion DGV: Database of Genomic Variants DNA: DesoxyriboNucleic Acid DUP: Duplication ENCODE: Encyclopedia of DNA Elements EUR : Europe ExAC: Exome Aggregation Consortium GenCC: Gene Curation Coalition GH: GeneHancer GRCh37: Genome Reference Consortium Human Build 37 GRCh38: Genome Reference Consortium Human Build 38 HI: Haploinsufficiency hom: homozygous htz: heterozygous ID: Identifier
