XiaoMi-AI文件搜索系统
World File Search SystemGBSA
通过分子对接，MM/GBSA计算，MD模拟和ADMET分析，从天然产物中鉴定自然产物的潜在人胰腺淀粉酶抑制剂
人胰腺α-淀粉酶（HPA）是碳水化合物水解的催化剂，是控制2型糖尿病的可行靶标之一。抑制α-淀粉酶低葡萄糖水平，有助于减轻高血糖并发症。在此，我们通过分子建模系统地从天然产物库中系统地筛选了潜在的HPA抑制剂。建模包括分子对接，MM/GBSA结合能计算，MD模拟和ADMET分析。This research identified new- boulaside B, newboulaside A, quercetin-3-O- β -glucoside, and sasastilboside A as the top four potential HPA inhibitors from the library of natural products, whose Glide docking scores and MM/GBSA binding energies range from -9.191 to -11.366 kcal/mol and -19.38 to -77.95 kcal/mol。基于模拟，其中newboulaside b被发现为最佳的HPA抑制剂。在整个模拟过程中，偏差为3Å（Acarbose =3Å），它与ASP356，ASP300，ASP197，THR163，ARG161，ASP147，ALA106和GLN63相互作用。此外，全面的ADMET分析表明，它具有良好的药代动力学特性，没有急性毒性，适中的生物利用和非抑制剂的性质，并且对细胞色素p450。所有结果表明，Newboulaside B可能是针对2型糖尿病的药物发现的有前途的候选人。
在硅氧基硅烷基硅胶和体外筛选中基于吡咯的夹层...
虚拟筛选正在作为一种高度应用的技术出现，并作为广泛使用的搜索和识别潜在命中的方法获得了突出，与高插入率筛选相比，发现了发现新颖和有效的化合物所需的时间。最近，与单个软件对接相比，具有多个程序的模拟优越性已被解散。这项工作的目的是应用共识对接，分子力学/广义出生表面积（MM/GBSA）游离结合能量重新计算，并在最近合成的基于吡咯的内部基于吡咯的夹层 - 氢氮化物区域的内部数据集中进行体外评估，以搜索新型乙酰基烯基烯酶（ACHETYLCHOLCHOLINERTERASE）（ACHEER）（ACHEE）。使用了两个许可的软件 - 金5.3和滑行，用于虚拟筛选，并确定了几个化学治疗势命中率。此外，还提供了MM/GBSA的无结合能重计重估算以增强硅成果中的鲁棒性。前十名基于吡咯的氢氮化物hydrazones的MM/GBSA得分范围从-60.44到-70.93 kcal/mol。随后对最高排名化合物的体外评估表明，12D表现出最高的ACHE抑制活性，抑制速率为55％，浓度为10μM。此外，这种基于吡咯的ACHE抑制剂与酶的活性位点形成了稳定的复合物。与活性氨基残基Tyr72和Tyr286的相互作用表明12D位于酶的外围阴离子位点附近。此外，在使用Qikprop进行的硅ADME研究中，12D具有最佳的药代动力学特性。总而言之，这项研究通过计算和实验发现的结合确定了一种新型基于吡咯的ACHE抑制剂12D。
Khalid Raza，博士学位 Sandeep Kumar博士 年轻学者的见面（I-ISC-2024） 研究与实践（SICLC） 全国会议 公共关系办公室Jamia Millia ...
[68] Fumuiwa，S.O.，Ahmad，S.，Olufolabo，O.K.，Olanudun，E.A.，Bano，N.，Oguntimehin，S.A，S.A，Adesida，S.A。（2023）。研究了Momordia Charantia的三萜类乙烷类型的多糖尿病潜力：LC-MS，基于对接的MM \ GBSA和MD Simontion研究。生物分子结构与动力学杂志，T＆Fhttps://doi.org/10.1080/0739102.2023.2
Axl 酪氨酸激酶 I 型抑制剂的合理药物设计，有望成为抗癌药物
Axl 酪氨酸激酶在各种癌细胞系中的高水平表达使其成为开发抗癌药物的有吸引力的靶标。在本研究中，我们根据不同的分子对接方案对 ATP 竞争性 Axl 激酶抑制剂进行了几组计算机筛选。在母体结构修改后，根据其对靶蛋白的最高亲和力确定了最佳类药物候选物。根据研究中应用的三种分子对接算法，我们发现我们新设计的化合物 R5（R428 专利类似物的衍生物）是最有前途的 Axl 激酶抑制剂。分子对接结果与使用 MM-PBSA/GBSA 隐式溶剂化模型的分子动力学模拟一致，证实了 R5 对蛋白质受体的高亲和力。此外，针对其他激酶的选择性测试也揭示了 R5 对 ABL1 和 Tyro3 激酶的高亲和力，强调了其在治疗恶性肿瘤方面的巨大潜力。
针对非小细胞肺癌靶点的可用药物的计算机筛选：一种药物再利用方法
摘要：RAS–RAF–MEK–ERK 通路在许多肿瘤的恶性细胞进展中起着关键作用。上游激酶的高度结构复杂性限制了治疗进展。因此，MEK 抑制是一种有前途的策略，因为它易于抑制，并且是其下游效应物许多恶性作用的守门人。尽管 MEK 抑制剂在许多癌症中正在接受研究，但耐药性仍然是实现癌症患者治愈的主要限制因素。因此，我们通过发现癌症治疗中的双靶向疗法完成了高通量虚拟筛选，以克服这一瓶颈。在这里，通过高通量虚拟筛选评估了总共 11,808 个 DrugBank 分子对 MEK 的活性。此外，实施了 Glide 对接、MLSF 和 prime-MM/GBSA 方法，从数据库中提取潜在的先导化合物。两种化合物 DB012661 和 DB07642 在所有筛选分析中均表现出色。此外，研究结果还表明，先导化合物还具有与共同靶标 PIM1 的显著结合能力。最后，基于 SIE 的自由能计算表明，化合物的结合主要受范德华力与 MEK 受体相互作用的影响。总体而言，这些先导化合物对 MEK 和 PIM1 的计算机结合效力可能在不久的将来对克服耐药性具有重要的治疗意义。
计算机辅助药物设计和分子动力学...
为解决类风湿性关节炎、1 型糖尿病和格雷夫斯病的药物耐药性问题，选取 32 种化合物作为自身免疫性疾病的新型抑制剂，进行 2D-QSAR、3D-QSAR、对接、ADMET 和分子动力学 (MD) 模拟实验。2D-QSAR 研究采用遗传近似-多元线性回归 (GA-MLR)。实验活性与模型 1 获得的活性显示出良好的相关性 (r2 = 0.7616 和 q2 = 0.6327)。使用 3D-QSAR 技术对构效关系 (SAR) 进行了统计研究，对于一个高预测模型——比较分子场分析 (CoMFA：Q2=0.785；R2=0.936；rext2= 0.818)，该技术产生了很强的统计意义。根据对预测模型轮廓图的全面检查，立体场和静电场控制着生物活性。这些信息对于理解创造新的、强大的自身免疫性疾病抑制剂所必须具备的品质非常有用。通过这些发现，设计了 70 种具有改进的受体靶向活性的新抑制剂。最后的先导化合物是化合物 32 和设计化合物 D40，它们是通过虚拟筛选和随后的分子对接发现的。根据对每个蛋白质-配体复合物的 MD 模拟结果，化合物 32 和 D40 能够靶向蛋白质，例如精氨酸脱亚胺酶 4 (PAD4)、主要组织相容性复合体 (MHC) II 类 HLA-DQ-ALPHA 链和促甲状腺激素受体 (或 TSH 受体) 蛋白。我们的研究表明，化合物 32 和设计化合物 D40 可以在体外和体内针对某些选定的自身免疫性疾病进行研究。还测量了选定药物的 MM/GBSA 结合自由能。用于模式识别、结构相似性和热点结合能预测。
人工智能衍生的青蒿素药物化合物可作为对抗 SARS-CoV-2 受体的有效候选药物：一项对抗 CO 的计算机模拟研究
背景：冠状病毒在全球爆发，迫使全世界寻找药物来对抗当前的流行病。重新利用药物是一种很有前途的方法，因为它为应对新出现的 COVID-19 提供了新的机会。然而，在大数据时代，人工智能 (AI) 技术可以利用计算方法通过 In-silico 方法寻找新的候选药物。目的和目标：我们目前工作的目的和目标基本上是设计一种针对 COVID-19 受体的植物衍生化合物，该化合物可能作为有效的治疗方法，并使用深度学习程序语言 python (anaconda) 2.7 版本预测疾病的结果。方法：人工智能技术通过计算机辅助药物设计过程 (CADD) 帮助理解冠状病毒与受体的相互作用。使用 Maestro (Schrödinger) 程序准备配体-蛋白质相互作用，该程序有助于研究青蒿素化合物与 SARS-CoV-2 受体（如 7CTT、非结构蛋白 (NSP) 和 7MY3 刺突糖蛋白）的对接姿势。因此，人工智能技术使用深度学习机器算法构建的神经网络检查药物-靶标相互作用，并使用 python 程序语言预测疾病的结果。结果：青蒿素对 SARS-CoV-2 受体（如 7CTT 和 7MY3）表现出最高的抗病毒活性。从 PubChem 开放化学数据库中检索了配体和 SARS-CoV-2 受体的三维结构。配体-蛋白质相互作用是在 Maestro（Schrödinger）程序的帮助下进行的，该程序揭示了 7CTT 与抗疟化合物衍生配体相互作用的 MM/GBSA 值，例如 D95（-45.424）、青蒿素（-35.222）、MPD（-31,021）、MRD（-21.952）和 6FGC（-34.089），而 7MY3 刺突糖蛋白相互作用的 MMGBSA 值 D95（-26.304）、MPD（-18.658）、MRD（-28.03）和 6FGC（-13.47）结合亲和力遵循 Lipinski 规则 5，并进一步用随机森林决策树预测结果，使用 python 程序的准确率约为 75%。结论：通过计算机模拟方法重新利用该药物对抗 SARS-CoV-2 病毒，揭示了其抗病毒作用。对接研究方法显示了 XP 分数、滑行能量和 MMGBSA 值，这些值是使用人工智能技术构建的深度学习程序预测的。