XiaoMi-AI文件搜索系统
World File Search SystemADMET
通过计算机模拟分析 admet 特性和抑制...
1 犹他大学生物化学系，犹他州，美国 2 拉各斯州立大学理学院化学系，拉各斯，尼日利亚 3 拉各斯州立大学理学院生物化学系，拉各斯，尼日利亚 *通讯作者电子邮件地址：zechariaholuwadamilola@gmail.com 摘要：不同类别的生物碱已证明具有抗癌治疗功效。干扰素诱导的四肽重复序列 5 蛋白 (IFIT5) 与肾细胞癌 (RCC) 的发病机制有关。人们对这些药理相关类别的生物碱对 IFIT5 的抑制作用知之甚少。因此，我们确定了这些生物碱的 ADMET 特性，以及它们对 IFIT5 的抑制潜力。从 PubChem 中检索到 50 种生物碱。IFIT5 的结构是从蛋白质数据库中获得的，并使用 Biovia Discovery Studio 进行处理以消除非标准分子。使用 PyRx 进行分子对接以评估蛋白质-配体复合物的结合亲和力，而使用 AdmetSAR 和 swissADME 进行 ADMET 分析。对接结果显示，所有 50 种选定的生物碱均表现出较高的 IFIT5 结合效果，范围从 -7.1 到 -11.0 kcal/mol，超过二（羟乙基）醚共结晶配体（-3.9 kcal/mol），其中 nortopsentin A 成为最有希望的候选药物。此外，前五种 IFIT5 结合生物碱中的四种（nortopsentin A、stylopine、氧化苦参碱和脱氧微管蛋白）表现出良好的类药物特性。这些生物碱（尤其是 nortopsentin A）表现出的良好类药物特性和强大的 IFIT5 结合影响凸显了它们在开发用于靶向 RCC 治疗的选择性 IFIT5 抑制剂的临床前/临床试验中的潜力。关键词：肾细胞癌，IFIT5，生物碱，结合亲和力，药代动力学，毒性介绍肾细胞癌 (RCC) 是一种隐匿性肿瘤，约占全球癌症诊断和死亡的 2% (Padala 等人，2020 年)。RCC 的一个独特特征是许多患者通常无症状；据估计，超过 50% 的患者在因无关问题进行影像学检查时被偶然诊断出患有 RCC (Rosner 等人，2021 年)。与 RCC 相关的几个主要风险因素包括吸烟、体重过重、饮酒、高血压、糖尿病、慢性肾病，以及遗传因素，例如 von Hippel-Lindau (VHL) 肿瘤抑制基因突变 (Al-Bayati 等人，2019 年)。大多数肾细胞癌发生在肾脏皮质，由肾小球、肾小管和集合管组成（El-Zaatari 等人，2020 年）。发达国家的肾细胞癌病例通常通过影像学诊断，只有 10% 的患者出现经典的三联症状，包括血尿、腰痛、可触及的肿块、发热、体重减轻和白细胞增多（Satwikananda 等人，2023 年）。
第 21 章 计算机辅助预测药代动力学 (ADMET) 特性
ADMET 预测技术的发展始于 1863 年，当时它关注的是传统的药物溶解度对毒性影响的测定。后来，人们开始更加关注 ADMET 的研究，首先通过测量药物的水溶性以及体外测试（ Dearden，2007 ）。成功的药物开发除了良好的疗效外，还必须具有良好的 ADMET 特性。新技术在药物 ADMET 特性预测中的应用将药物开发操作提升到了一个更高的水平。在过去的几十年里，计算机预测技术已被证明可以与体内和体外测试一起应用于药物发现和开发方法（ Moroy 等，2012 ）。计算机技术已经被引入到药物开发和发现领域，作为一种在早期阶段预测药物 ADME 特性的工具（ Boobis 等，2002 ）。
自动化：一种有效且可解释的化学ADMET财产预测方法
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。
ADMET-AI：用于评估大规模化学库的机器学习 ADMET 平台
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。
在麦芽糖素衍生物和麦芽糖素衍生物的硅胶衍生物和麦芽糖酶 - 葡萄糖酶靶靶标中的预测和硅酸盐分析中中的预测和硅酸盐分析中
摘要背景：糖尿病（DM）是一种复杂的慢性疾病，高血糖症，葡萄糖水平高于正常患者的葡萄糖水平，其患者人数正在增加。通过抑制淀粉消化途径中的人类麦芽糖酶 - 葡萄糖酶酶，用于延迟葡萄糖的产生，从而有助于治疗II型糖尿病。的目的和方法：将mangostin衍生物（Alpha-Mangostin，beta-Mangostin，Gamma-Mangostin）和Sinensetin的潜力分析为抗糖尿病的潜在预测，并在对人麦芽糖 - 葡萄糖酶靶标中使用型号的型号预测，并使用与托架的型号进行了对型号的对照。结果：配体，β，γ-蒙植物素和辛列蛋白与大分子有良好的相互作用，并在人麦克罗糖酶 - 葡萄糖酶的大分子上也形成氢键，也形成氢键。结论：Mangostin衍生物（，β和γ）和sinensetin的平均含量可以通过PKCSM在线工具预测，并且与Miglitol（如Miglitol）相比，它们对麦芽酶 - 葡萄糖酶靶靶标有良好的亲和力。关键词：mangostin衍生物，辛辛素，分子对接，麦芽糖酶 - 葡萄糖酰基酶，抗糖尿料。
分子对接和ADMET研究，用于搜索针对SARS-COV-2的多靶向抗病毒化合物：一种计算方法
最近由SARS-COV-2引起的大流行是整个世界的主要健康问题。快速传播和这种疾病的死亡率对人类社会构成了严重威胁。通过研究其认真对待这种疾病的药物是当今的最大任务。在本研究中，计算方法用于寻找针对SARS-COV-2感染的有效化合物。1452具有潜在抗病毒活性的化合物从PubChem数据库中选择，以搜索潜在的抑制剂SARS-COV-2的治疗靶标。使用Maestro 12.4（Schrodinger Suite）进行了分子对接和吸收，分布，代谢，消除和毒性（ADMET）性质研究。所有选定的化合物被汇合到六种化合物，这些化合物被发现对SARS-COV-2的所有五个靶标有效。Among six compounds, compound C6 is exhibited excellent docking score -8.93, -8.21, -7.93, -6.73 kcal/mol with main protease (Mpro), angiotensin-converting enzyme-2 (ACE2), RNA dependent RNA polymerase (RdRp), and endoribonuclease (NSP15) target proteins respectively.
在计算机分析中，用于重新利用SARS-COV-2的多个靶标的广谱抗病毒药物：一种分子对接和ADMET方法
背景：在严重的急性呼吸综合症冠状病毒-2（SARS-COV-2）引起的第二波COVID-19引起的大流行中，世界遭受了破坏，并导致数百万具有致命毒力潜力的人死亡。与类似的病毒暴发相比，例如严重的急性呼吸综合征冠状病毒（SARS COV）和中东呼吸综合征冠状病毒（MERS COV），Covid-19导致严重的发病率和死亡率。对抗SARS-COV-2感染的各种治疗性干预措施已积极研究，但尚无针对SARS-COV-2病毒具有高抗病毒疗效的特定药物。目前的工作是代表52种广谱抗病毒药物作为抑制SARS-COV-2感染的潜在铅分子的有希望的治疗功效。这些药物已经对几种病毒感染显示了潜在的功效。本文通过使用分子对接方法评估受体 - 配体相互作用来讨论可用广谱抗病毒药物的治疗功效的比较分析。
研究分子对接和ADMET预测姜黄素衍生物作为2-α酪蛋白激酶抑制剂
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。
四种细胞毒性化合物与血管生成靶蛋白 HIF-1α 和人类雄激素受体相互作用及其 ADMET 特性的计算机模拟研究
摘要背景：癌症是全球重大的公共卫生问题，是心血管疾病之后的第二大死亡原因。因此，本研究旨在从传统上用于治疗癌症的马达加斯加药用植物中识别新的天然化合物。方法：通过分子对接进行计算机模拟分析以模拟配体-蛋白质相互作用，并通过 SwissADME 和 ADMET 网络服务器建立四种研究化合物与血管生成靶蛋白 HIF-1α/乳腺癌 (PDB ID：3KCX) 和人类雄激素受体/前列腺癌 (PDB ID：1E3G) 相互作用的药代动力学特征。结果：对接结果显示，HIF-1α受体与化合物1（1′，4-二羟基-2，3′-二甲基-1，2′-联萘-5，5′，8，8′-四酮：-8.49kcal/mol）相互作用时结合能最好，其次是化合物3[(E)-5，6-二甲基-2-(2-甲基-3-(丙-1-烯基)苯基)-2H-色满：-8.43kcal/mol]、化合物2（6′-乙氧基-1′3′-二羟基-4，6-二甲基-1，2′-联萘-2，5′，8，8′-四酮：-7.80kcal/mol）和化合物4（甲基10-羟基- 2,4a,6a,9,12b,14a-六甲基-11-氧代-1,2,3,4,4a,5,6,6a,11,12b,13,14,14a,14b-十四氢吡啶-2-羧酸酯：-7.63 kcal/mol）。受体 1E3G 对所有测试化合物表现出较差的结合亲和能，能量值高于 -11.99 kcal/mol（共晶）。基于氢键相互作用，配体 1 和 2 对两个蛋白质靶标 3KCX 和 1E3G 均显示出良好的药效团特征。配体 3 不通过氢键与所选受体相互作用。这些植物化合物的药代动力学特征表明它们具有口服活性且安全。我们的团队之前使用色谱和光谱技术 (LC/MS/NMR) 分离了它们并阐明了它们的化学结构。结论：配体 1 和 2 可被视为热门药物，因为除了它们与受体的热力学稳定性之外，它们还表现出良好的药代动力学特征，因此可用作乳腺癌和前列腺癌的替代疗法。这项研究为开发新的、经济高效且安全的植物性天然抗癌药物提供了巨大的潜力。
分析MMP9和E-钙粘蛋白在形态学上1级脑膜瘤的脑浸润
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。