XiaoMi-AI文件搜索系统
World File Search SystemMMGBSA
木犀草素-7-O-葡萄糖苷和山奈酚 3-...
摘要 蜜蜂利用蜂王浆控制的 DNMT3 介导的表观遗传机制产生两种不同的雌性种姓，即长寿的可育蜂王和短命的不育工蜂。幼虫中 DNMT3 的抑制作用模拟了蜂王浆在成年雌蜂中发生的表型变化。蜜蜂基因组中需要解决的一个关键问题是确定蜂王浆中抑制 DNMT3 并从而决定发育命运的表观遗传活性化合物。进行了分子对接、MMGBSA 分析和 MD 模拟，以确定蜂王浆中抑制 DNMT3 的主要候选多酚化合物。十三种多酚化合物与 DNMT3 对接，并使用两个基本指标 XP GScore 和 MMGBSA dG Bind 来评估结合亲和力。观察到的结合亲和力最高的是木犀草素 7-O-葡萄糖苷，对接得分为 −10.3，山奈酚 3-O-葡萄糖苷为 −8.9。此外，这两种化合物的总结合能分别高达 −52.8 和 −64.85 kJ/mol。MD 模拟表明，与山奈酚 3-O-葡萄糖苷不同，木犀草素-7-O-葡萄糖苷在整个模拟期间与 DNMT3 保持一致的相互作用。这些结果表明，在蜂王浆中的 13 种多酚化合物中，木犀草素-7-O-葡萄糖苷是最有希望成为这种饮食中负责大部分 DNMT3 抑制活性的成分的候选者。
基于结构的多靶点分子对接及分子动力学模拟分析筛选卵巢癌潜在抑制剂
卵巢癌 (OC) 是女性最常见的癌症之一。OC 是最致命和预后最差的疾病之一。目前，尚无获批的 OC 筛查测试或早期检测方法。因此，仍然迫切需要新的筛查、预防和早期检测策略。植物化合物最近在开发新的、有效的和负担得起的抗癌药物方面变得越来越重要。为了研究蛋白质-配体相互作用，使用分子对接和分子操作环境 (MOE) 工具来寻找目标蛋白的最佳抑制剂。使用分子对接计算化合物对 NY-ESO-1、RUNX3 和 UBE2Q1 蛋白活性位点的空间亲和力。使用 ADMET 分析来确定所选化合物的药物相似性，而使用 MD 模拟和 MMGBSA/MMPBSA 实验来进一步了解结合行为。临床前测试可以帮助确认我们的计算机研究的有效性，并确定该化合物是否可以用作治疗 OC 的抗癌药物。关键词：卵巢癌，抗癌药物，NY-ESO-1，RUNX3，UBE2Q1
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。
将已知药物重新用于共价和非...
在没有获批疫苗的情况下，开发有效的 SARS-CoV-2 抗病毒药物对于应对当前因 COVID-19 传播而导致的大流行性健康危机至关重要。由于任何传统的药物发现计划都是一个耗时且昂贵的过程，需要十多年才能完成，因此对现有药物进行计算机模拟再利用是快速选择有希望的临床候选药物的首选方法。在此，我们提出了一项虚拟筛选活动，以识别 SARS-CoV-2 木瓜蛋白酶样蛋白酶 (PLpro) 的共价和非共价抑制剂，这些抑制剂显示出对 COVID-19 治疗的潜在多靶点活性。从 ChEMBL（版本 27.1）下载了一个包含 688 种 III 期和 1702 种 IV 期临床试验药物的数据集，并将其对接到最近发布的 PLpro 与共价结合肽抑制剂复合物的晶体结构上。通过结合蛋白质-配体相互作用指纹相似性、常规对接分数和 MMGBSA 结合自由能对获得的结果进行分析，并确定了一些有趣的候选药物以进行进一步的体外测试。据我们所知，这项研究代表了首次尝试重新利用药物来共价抑制 PLpro，并可能为针对 COVID-19 的新治疗策略铺平道路。
AXL和容易出错的DNA复制赋予耐药性，并提供治疗EGFR突变肺癌
抗生素耐药性细菌病原体是一个非常具有挑战性的问题。幽门螺杆菌是最广泛，最成功的人类病原体之一，因为它在世界一半的人群中分布，引起慢性和萎缩性胃炎，消化性溃疡，粘膜相关的淋巴样组织 - 淋巴瘤 - 淋巴瘤，甚至是胃腺癌。此外，它表现出对众多抗生素的抗性。幽门螺杆菌关键转录因子之一HP1043在调节必需细胞过程中起着基本作用。与其他细菌转录因子一样，HP1043不显示真核生物同源物。这些特征使HP1043成为发展新型抗菌策略的有前途的候选人。药物重新定位是药物开发中采用的相对较新的策略；测试对新目标的批准药物大大减少了此过程的时间和成本。组合的计算和体外方法进一步减少了要在体内测试的化合物的数量。我们的目标是确定能够防止HP1043结合DNA启动子的一部分。通过评估通过分子对接HP1043二聚体的结合能力在两个构象中，与DNA结合和未结合，从而达到了这一结果。采用包括MMGBSA分子动力学的临时管道，可获得七种药物。通过电泳迁移率转移测定法在体外测试了这些测定，以评估HP1043 - DNA相互作用。在其中，三个有希望的结果显示了HP1043的DNA结合活性的明显降低。总体而言，我们应用了一种计算方法，结合了结果的实验验证，以筛选幽门螺杆菌基本转录因子之一上的大量已知药物。这种方法允许快速减少测试的药物数量，并且药物重新定位方法大大降低了药物设计成本。鉴定的药物不属于同一药物类别，并且通过计算分析构成了不同的腔体，但都显示了DNA上HP1043结合活性的降低。