摘要:糖尿病及其并发症是死亡和残疾的主要原因之一。视网膜病变,心血管疾病和神经病逐渐长期性高血糖症逐渐发展。找到有效且安全的药物具有更少的副作用来处理与糖尿病有关的并发症。许多科学家正在发起新的计划,以调查植物来源,这些植物来源众所周知,这些植物源包含大量活跃的代理。可食用的海洋藻类caulerpa racemosa具有生物活性,包括抗糖尿病,抗炎和神经保护性。因此,进行了当前的研究,以使用Silico方法中的Caulerpa racemosa进行研究。选择了五个双丁物,例如caulerpin,caulersin,caulersin A,aramososin b和caremosin c,以预测其相互作用的结合模式以及对NF -κB的相互作用结合模式以及与NF -κB(例如Tak1(7nti)相关的蛋白质靶标的相互作用能量,而使用NIK(4IDV)和MMP -9(4H3X)(4H3X),而Vina use则usecterse useanse(4H3X)使用Web工具PKCSM®进行ADMET。结果表明,所有化合物均被预测与蛋白质靶标的结合位点的氨基酸相互作用,而预测的药物和毒性表明,大多数化合物符合ADMET特性中的最低标准参数。发现的结果表明,在caulerpa racemosa中包含的双孔可能有可能用于治疗与糖尿病相关的并发症。关键字:Caulerpa,Admet,Bisindoles,对接,糖尿病1。引言糖尿病是一种代谢性疾病,影响了全球人群的相当一部分。根据IDF糖尿病图集2021,有5.37亿成年人(20 - 79年)患有糖尿病,或1分。到2030年,该数字预计将达到6.43亿,到2045年将达到7.83亿[1]。糖尿病会影响众多器官系统,并且随着时间的流逝会导致严重的并发症。可以鉴定出糖尿病的微血管和大血管并发症。对神经系统的损害(神经病),肾脏(肾病)和眼睛(视网膜病)是
亲爱的编辑,迄今为止,已经评估了许多临床批准的药物治疗2019年冠状病毒病的潜力(Covid-19),例如lopinavir/ritonavir,hydroxychoroquine,cobicistat和darunavir。这些药物中的一些已被证明是有效的体外;但是,临床试验表明,这些化合物都没有导致症状或住院时间的显着改善。因此,从定义的目标开始识别候选药物是必不可少的,更可靠的。严重的急性呼吸综合征冠状病毒2(SARS-COV-2)主要蛋白酶M Pro(也称为3Cl蛋白酶)是冠状病毒中最典型的药物靶标之一。在当前的研究,基于SARS-COV-2 M Pro的两个不同结构(PDB ID:6LU7和6M2Q)的结构和序列比对中显示,Ser'46/Ca和Leu'167/Ca之间发生了明显的变化,这表明M Pro的底物结合袋在一定程度上表现出一定程度的灵活性(补充图。s1)。因此,我们使用这两种结构制定了一种多种互交策略,以使用Autodock Vina软件进行基于计算机的高通量虚拟筛选对药物数据库和我们的内部自动处理脚本的可能抑制剂(补充图。s2)。与这两种结构相对的108个分子分子<−8.0 kcal/mol发现。然后选择了相对于袋装体积和PKA值> 12的37个分子量在330至700 g/mol之间的分子。1 a)。2之后,我们专注于11种抗病毒,抗菌和靶向抗肿瘤药物(补充表1)。此外,还使用了几种先前报道的药物参考,例如GC376、1洛皮纳维尔,内菲尔纳纳维尔和达鲁纳维尔。全长SARS-COV-2 M Pro根据其编码序列(GI:1897214688)表达并纯化,并通过表面等离子体共振(SPR)技术检测到M Pro的每个筛选候选物的效率。使用Biacore仪器使用与M Pro相互作用的小分子的梯度浓度测量响应单元。然后,根据稳态分析,基于曲线拟合,测量了受体配体的结合属性,并报告为平衡解离常数(K d)。六种药物在M Pro中表现出极好的结合属性,包括Entretectinib,Indinavir,Cloxacillin,Dolutegravir,Saquinavir和Enasidenib,K D值为55μm或以下(图接下来,进行诱变研究以确认筛选分子与SARS-COV-2 m Pro之间相互作用的特定相互作用。首先,对可能与这些分子相互作用的七个残基的底物结合袋进行了深入分析,包括HIS41,ASN142,CYS145,CYS145,HIS164,MES165,ASP187和GLN189。HIS41,CYS145,HIS164和ASP187被报道为潜在的催化残基。
https://www.specs.net/index.php 9。 天然产品集合。 Microsource Discovery System Inc. 2022年7月23日访问。http://www.msdis covery.com/natpr od.html 10。 Berman HM,Westbrook J,Feng Z等。 蛋白质数据库。 核酸res。 2000; 28:235-242。 doi:10.1093/nar/28.1.235 11。 Trott O,Olson AJ。 自动库克Vina:通过新的评分功能,有效的优化和多线程提高对接的速度和稳定性。 J Comput Chem。 2010; 31(2):455-461。 doi:10.1002/jcc.21334 12。 Schrödinger软件。 Schrödinger,L.L.C。,纽约,纽约,美国2020年。 13。 McNutt,Francoeur P,Aggarwal R等。 gnina 1.0:深度学习的分子对接。 J Chem。 2021; 13(1):1-20。 doi:10.1186/ s13321-021-00522-2 14。 div> Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。https://www.specs.net/index.php 9。天然产品集合。Microsource Discovery System Inc. 2022年7月23日访问。http://www.msdis covery.com/natpr od.html 10。Berman HM,Westbrook J,Feng Z等。蛋白质数据库。核酸res。2000; 28:235-242。doi:10.1093/nar/28.1.235 11。Trott O,Olson AJ。自动库克Vina:通过新的评分功能,有效的优化和多线程提高对接的速度和稳定性。J Comput Chem。 2010; 31(2):455-461。 doi:10.1002/jcc.21334 12。 Schrödinger软件。 Schrödinger,L.L.C。,纽约,纽约,美国2020年。 13。 McNutt,Francoeur P,Aggarwal R等。 gnina 1.0:深度学习的分子对接。 J Chem。 2021; 13(1):1-20。 doi:10.1186/ s13321-021-00522-2 14。 div> Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。J Comput Chem。2010; 31(2):455-461。doi:10.1002/jcc.21334 12。Schrödinger软件。Schrödinger,L.L.C。,纽约,纽约,美国2020年。 13。 McNutt,Francoeur P,Aggarwal R等。 gnina 1.0:深度学习的分子对接。 J Chem。 2021; 13(1):1-20。 doi:10.1186/ s13321-021-00522-2 14。 div> Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。Schrödinger,L.L.C。,纽约,纽约,美国2020年。13。McNutt,Francoeur P,Aggarwal R等。gnina 1.0:深度学习的分子对接。J Chem。 2021; 13(1):1-20。 doi:10.1186/ s13321-021-00522-2 14。 div> Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。J Chem。2021; 13(1):1-20。doi:10.1186/ s13321-021-00522-2 14。 div>Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。 Curr Comput-Aid药物。 2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。Meng XY,Zhang HX,Mezei M,CuiM。分子对接:一种基于结构的药物发现的强大方法。Curr Comput-Aid药物。2011; 7(2):146-157。 doi:10.2174/157340911795677602 15。 Durrant JD,McCammon JA。 分子动力学模拟和药物发现。 BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。2011; 7(2):146-157。doi:10.2174/157340911795677602 15。Durrant JD,McCammon JA。分子动力学模拟和药物发现。BMC Biol。 2011; 9(1):1-9。 doi:10.1186/1741-7007-9-71 16。 案例DA,Betz RM,Cerutti DS等。 琥珀色。 加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。BMC Biol。2011; 9(1):1-9。doi:10.1186/1741-7007-9-71 16。案例DA,Betz RM,Cerutti DS等。琥珀色。加利福尼亚大学; 2016。 17。 Lindorff-Larsen K,Piana S,Palmo K等。 改善了琥珀FF99SB蛋白力场的侧链旋转电位。 蛋白质。 J Chem Phys。加利福尼亚大学; 2016。17。Lindorff-Larsen K,Piana S,Palmo K等。改善了琥珀FF99SB蛋白力场的侧链旋转电位。蛋白质。J Chem Phys。2010; 78(8):1950-1958。doi:10.1002/prot.22711 18。Horn HW,Swope WC,Pitera JW等。开发了改进的生物分子模拟的四个位点水模型:tip4p-ew。2004; 120(20):9665-9678。 doi:10.1063/1.1683075 19。 Beauchamp KA,Lin YS,Das R,Pande vs。蛋白质场是否越来越好? 在524个不同的NMR测量值上进行系统基准。 J化学理论计算。 2012; 8(4):1409-1414。 doi:10.1021/ct2007814 20。 Zhang H,Yin C,Jiang Y,van der SpoelD。氨基酸的力场基准:I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58(5):1037-1052。 doi:10.1021/acs。 JCIM.8B00026 21。 Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。2004; 120(20):9665-9678。doi:10.1063/1.1683075 19。Beauchamp KA,Lin YS,Das R,Pande vs。蛋白质场是否越来越好? 在524个不同的NMR测量值上进行系统基准。 J化学理论计算。 2012; 8(4):1409-1414。 doi:10.1021/ct2007814 20。 Zhang H,Yin C,Jiang Y,van der SpoelD。氨基酸的力场基准:I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58(5):1037-1052。 doi:10.1021/acs。 JCIM.8B00026 21。 Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。Beauchamp KA,Lin YS,Das R,Pande vs。蛋白质场是否越来越好?在524个不同的NMR测量值上进行系统基准。J化学理论计算。2012; 8(4):1409-1414。 doi:10.1021/ct2007814 20。 Zhang H,Yin C,Jiang Y,van der SpoelD。氨基酸的力场基准:I。在不同的水模型中的水合和扩散。 J Chem Inf模型。 2018; 58(5):1037-1052。 doi:10.1021/acs。 JCIM.8B00026 21。 Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。2012; 8(4):1409-1414。doi:10.1021/ct2007814 20。Zhang H,Yin C,Jiang Y,van der SpoelD。氨基酸的力场基准:I。在不同的水模型中的水合和扩散。J Chem Inf模型。2018; 58(5):1037-1052。 doi:10.1021/acs。 JCIM.8B00026 21。 Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。2018; 58(5):1037-1052。doi:10.1021/acs。JCIM.8B00026 21。Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。 一般琥珀色场的开发和测试。 J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。Wang J,Wolf RM,Caldwell JW,Kollman PA,Case DA。一般琥珀色场的开发和测试。J Comput Chem。 2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。J Comput Chem。2004; 25(9):1157-1174。 doi:10.1002/jcc.20035 22。 Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。 评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。 Comput Biol Med。 2021; 134:104462。 doi:10.1016/j。 compbiomed.2021.104462 23。 Jakalian A,Bush BL,Jack DB,Bayly CI。 快速,有效地产生高质量的原子电荷。 AM1-BCC模型:I。 方法。 J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。2004; 25(9):1157-1174。doi:10.1002/jcc.20035 22。Singh AK,Rana HK,Singh V,Yadav TC,Varadwaj P,Pandey AK。评估链霉菌素诱导的糖尿病大鼠饮食中酚类化合物绿酸的抗糖尿病活性:分子对接,分子动力学,在硅毒性,体外和体内研究中。Comput Biol Med。2021; 134:104462。 doi:10.1016/j。compbiomed.2021.104462 23。Jakalian A,Bush BL,Jack DB,Bayly CI。快速,有效地产生高质量的原子电荷。AM1-BCC模型:I。方法。J Comput Chem。 2000; 21(2):132-146。 doi:10.1002/jcc.10128 24。J Comput Chem。2000; 21(2):132-146。doi:10.1002/jcc.10128 24。Jakalian A,Jack DB,Bayly CI。高,有效地生成高 -