简介:caspase 3,凋亡execution子手,抑制作用可能对糖尿病,肾病,神经退行性疾病治疗以及再生医学领域有益。自早期的传统医学以来,植物提取物包括许多疾病的主要治疗方法。植物成分一直是疗法的主要来源,这些资源是可用的。因此,为了鉴定植物提取物中潜在的抗凋亡剂的兴趣,选择了D-半乳糖酸(DGA)来筛选抗蛋白酶3活性,因为它是Momordica Charantia(苦瓜)和许多其他果实的果蝇组成的主要成分。目的:目前的研究旨在评估Charantia提取物的主要植物能力的活性,DGA针对caspase3。材料和方法:配体的化学结构来自获得的PubChem数据库,蛋白质结构是从PDB数据库中获得的。使用Autodock 4.2版进行了分子对接研究。结果:这项研究指出了DGA与caspase 3的Glu'124,Lys'137和Arg'164氨基酸的相互作用,其中Glu'124,Lys'137氨基酸相互作用对于caspase 3酶的稳定性很重要。结论:本研究中揭示的DGA和caspase 3之间的相互作用可能有助于表征未来研究中这种苦瓜提取物中这种植物成分的药用特性。
摘要尽管开发了化学药物,但由于对使用植物提取物的信心和缺乏资源的信心,传统医学被广泛使用。该调查是由在线调查表通过Google表格进行的,并在28/06/2020和14/08/2020之间在互联网上访问。问卷有两个部分;一个在植物上用作补救措施,或者用于预防与使用这些物种相关的社会人口统计决定因素的共同数据和另一部分。使用自动库克Vina生物信息学工具用于在硅中评估从这些物种对SARS-COV-2的主要蛋白酶(MPRO)获得的植物化学物质的抑制潜力。共有1070名线人参加了这项调查。最有代表性的植物科是lamiaceae家族,最引用的三个物种是柠檬,大蒜和丁香(分别为183、171和150;分别为引文编号)。一项硅内研究表明,糖酸(甘草的活性成分)被揭示为对SARS-COV-2 MPRO的最潜在抑制剂。由于它们在植物化学物质中的丰富度,药用植物可能包含有希望的抗病毒药物质。这些化合物以其生物学活性而闻名,可以增加免疫反应并抗击氧化应激。关键字:药用植物,covid-19,sars-cov-2,在硅饮食中,摩洛哥。1。简介
前列腺癌 (PCa) 是最常见的癌症类型之一,其在 70 岁以上的老年男性中的发病率呈上升趋势。在药物治疗中,天然化合物及其结构类似物已用于治疗癌症。多项研究已证明亚麻(Linum usitatissimum,俗称亚麻)在治疗各种癌症方面具有治疗潜力。然而,亚麻衍生化合物作用于 PCa 的具体机制仍不清楚。本研究旨在通过鉴定和评估亚麻嫩芽中的生物活性化合物来填补这一空白。GCMS 分析使用 Shimadzu(GCMS-TQ8040 NX)进行。仪器温度设置为从 50°C 到 300°C,持续 37 分钟,以得到 100% 的总峰面积。分子对接研究是使用 AutoDock tools 4.2 版软件进行的。使用 SWISSADME 在线 (http://www.swissadme.ch/) 和 ProTox-3.0 在线 (https://tox.charite.de/protox3/ index.php?site) 预测工具预测和分析 ADMET 特性。GC-MS 分析鉴定了亚麻嫩芽甲醇提取物中的 58 种植物化合物。其中,CID11002708 和 CID290541 对 PCa 靶蛋白表现出最高的结合亲和力。ADME/T 结果显示这些化合物具有低毒性和特定的代谢特性。考虑到分子对接和 ADMET 评估的结果,可以得出结论,CID11002708 和 CID290541 有望成为治疗 PCa 的新型抑制剂。目前的结果可以通过体外和体内研究进一步验证。
摘要 引言:纳米粒子 (NPs) 具有独特的物理化学性质,因而具有较高的表面积与体积比,在各种药物设计中备受关注。由于检查新设计的粒子与不同靶标之间的相互作用对于治疗各种疾病非常重要,因此检查这些粒子与不同靶标(其中许多是蛋白质)之间相互作用的技术现在非常普遍。方法:本研究使用 AutoDock 4.2.6 软件工具的分子对接技术研究了覆盖碳层的金属氧化物纳米粒子 (MONPs)(Ag 2 O 3 、CdO、CuO、Fe 2 O 3 、FeO、MgO、MnO 和 ZnO NPs)与与癌症和细菌感染靶标相关的标准药物之间的相互作用。最后,使用 PRO TOX-II 在线工具比较这些 MONPs 与标准药物的毒性(LD 50 )和分子量。结果:根据半柔性分子对接过程中获得的数据,MgO 和 Fe 2 O 3 NPs 在许多情况下的表现优于标准药物。MONPs 通常具有比标准药物更低的 50% 致死剂量 (LD 50 ) 和更高的分子量。MONPs 在三种疾病中对不同靶标的结合能差异很小,这可能归因于 MONPs 特定的物理化学和药效团性质。结论:MONPs 的毒性是基于它们的药物开发的主要挑战之一。根据这些分子对接研究的结果,在所研究的 MONPs 中,MgO 和 Fe 2 O 3 NPs 的效率最高。
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。
计算机的高性能使得它们可以为药物设计中的实验室实验提供帮助。1因此计算机辅助药物设计在过去的几十年里得到了发展,充分利用高性能计算机,可以快速模拟药物设计中的诸多步骤,各种应用也逐渐发展起来。例如,NAMD (NAnoscale Molecular Dynamics)2、GROMACS3和Amber4提供了相对精确的分子动力学模拟手段,可以模拟分子体系在特定条件下的自然运动。分子对接可以探索不同分子之间的结合构象空间,帮助研究人员找到最佳的对接构象。许多专注于分子对接的方法包括DOCK、5AutoDock、6GOLD7等。随着深度学习在各个领域的卓越成就,基于深度学习的药物设计应用和模型不断涌现。Preuer等人。构建了一个前馈神经网络,并提出了一个名为 DeepSynergy 8 的模型来预测抗癌药物的协同作用。DeepTox 9 由一个深度神经网络组成,被提出用于毒性预测,并在 Tox21 挑战数据集中表现良好。10 BSite-pro 11 使用随机森林分类器仅基于序列来预测蛋白质结合位点。Lenselink 等人证明深度神经网络的表现优于生物活性基准集。12 Ciriano 等人总结了最近基于机器翻译的蛋白质化学计量建模
简介:肥胖可能导致相关的高风险疾病,例如心血管疾病,糖尿病,高血压,中风和癌症。肥胖是由于饮食过多而导致的。胰腺脂肪酶(PL)是一种酶,在将脂肪水解为单酰甘油和脂肪酸中起主要作用,可以吸收到小肠中。治疗肥胖症的一种策略之一是通过PL抑制减少脂肪的吸收。本研究旨在寻找能够减少脂肪吸收的选定马来西亚植物的潜在PL抑制剂。方法:使用Autodock Vina实际上筛选了潜在的PL抑制剂,以针对五种选定的柑橘类植物的植物化学化合物,即c。c.aurantifolia(C。aurantifolia),C。Grandis,C。Grandis,C。Medica,C。Medica,C。Hystrix和C. hystrix和C. microcarpa。结果:根据结合到三组的自由能进行分类:高,中和低抑制作用。八种化合物对PL表现出很高的活性。柑橘大的贡献最多的化合物,其次是C. Medica,C。Microcarpa,C。aurantifolia和C. hystrix。为了验证这些发现,对这些柑橘植物各个部分的15种甲醇提取物进行了体外生物测定。值得注意的是,C. medica的果实提取物在62.59%的情况下表现出最有效的PL抑制作用,这可能是由于存在二胺-6-C-葡萄糖苷。结论:总而言之,源自选定的柑橘类植物的小分子的虚拟筛选提供了对分子对接的有价值的见解,而C. medica则作为潜在的抗肥胖植物出现。
1 农业研究计划,艾哈迈德达兰大学农业学院,印度尼西亚 *通讯作者:ikhymanno97@gmail.com 摘要 背景:许多天然和合成疗法被用于帮助 COVID-19(2019 冠状病毒病)患者的康复,但抑制这种病毒的有效性仍需进一步研究。 目的:预测海参中的硫酸软骨素化合物是否对 COVID-19 具有抗病毒活性。 方法:使用分子对接方法,基于硫酸软骨素与 6LU7 和 2GTB 蛋白(COVID-19 中发现的主要蛋白酶 (M pro))的相互作用,测试其对 COVID-19 的抗病毒活性。研究阶段包括准备6LU7和2GTB蛋白质结构数据库,使用Biovia Discovery Studio应用程序准备和优化3D硫酸软骨素结构,以及使用Autodock 4.2应用程序验证6LU7和2GTB蛋白质上的分子对接和硫酸软骨素对接方法。结果:硫酸软骨素与6LU7蛋白具有较高的亲和力并形成氢键,其对6LU7受体的亲和力值为(-9.5 kcal/mol),RMSD Ib为(0.000),RMSD ub为(0.000),而2GTB蛋白的亲和力较低,即对2GTB受体的亲和力值为(-7.7 kcal/mol),RMSD Ib为(0.000),RMSD ub为(0.000)。结论:根据分子对接研究结果,硫酸软骨素具有抗病毒潜力,因为它与 6LU7 和 2GTB 蛋白具有亲和力,可以抑制 COVID-19 病毒的感染途径。关键词:COVID-19,硫酸软骨素,6LU7 和 2GTB 受体,分子对接
摘要:严重急性呼吸综合症冠状病毒2(SARS-COV-2)引起的冠状病毒疾病2019年(COVID-19)是全球健康紧急情况。主要蛋白酶(M Pro)对于冠状病毒的生命周期至关重要。boceprevir是SARS-COV-2 M Pro的潜在抑制剂和药物候选者。在这项研究中,研究了M PRO的蛋白质结构的变化,这是由于SARS-COV-2突变以及这些变化对Boceprevir亲和力的影响(重要的潜在治疗剂)。用RDP4和Megax分析了突变。通过Promod3产生了突变M Pro的三维模型。定性模型能量分析,下原和或而者是用于野生型和突变体M蛋白的结构验证和建模。使用I-Tasser TM得分计算野生型和突变体M Pro的拓扑差异。使用Autodock 4.2进行分子对接。使用Dynomics创建了功能动态结构模型。在SARS-COV-2的M Pro中检测到了七个突变(L89F,K90R,P108,A191V,T224A,A234V和S254F)。突变导致潜在的蛋白酶抑制剂Boceprevir的亲和力降低。Boceprevir停靠到M Pro的活性位点,对于野生型和突变体而言,结合能分别为-10.34和-9.41 kcal.mol -1。通过弹性网络模型分析计算的Debye – Waller因子分别为0.58和0.64Å2,野生型M Pro和Mutant M Pro分别为0.58。是SARS-COV-2的重要药物靶标的结构中的突变可能会使现有的治疗疗法无效。
现代制药研究使用自动化的高通量筛查技术来发现新的生物学靶点结合化合物,但是新药的开发仍然是一个漫长而昂贵的过程。计算分子对接提供了一种有效且廉价的方法来识别靶标结合化合物并估算化合物和靶标之间的结合效果。虚拟药物筛查的成功率主要由1)对接精度和2)用于筛选的化合物库的全面性。对接软件的对接精度取决于其采样化合物和靶构象的能力[1],以及其评分方法的精度[2]。已经取得了显着的进步来增强采样和评分程序[3],并利用大量的蛋白质 - 配体复杂结构来训练得分函数。许多对接方法(见图1(a),例如Glide [4],Medusadock [5],[6],Autodock Vina [7]。量子计算可以在许多领域(例如化学模拟,机器学习和优化)中具有独特的优势。Quantum gan是近期量子计算机的主要应用之一,因为它在学习数据分布方面具有强大的表达能力,即使与经典gan相比,参数少得多。ever,由于噪声量子计算机上的量子限制,量子神经网络仍处于其新生阶段。考虑到药物发现的特定任务,由于以下原因,我们探索了生成和预测模型的潜在量子优势:1)希尔伯特空间中的栅极参数探索与神经网络参数探索不同。