XiaoMi-AI文件搜索系统
World File Search SystemPubchem
在转化生长因子-β抑制剂的计算机研究中
转化生长因子β（TGF-β）在肾小管和肾小球上皮细胞中引发上皮间质转变（EMT），从而通过与TGF-β的相互作用在TGF-β中相互作用，导致细胞外基质的过量产生和沉积在TGF-β型号中的作用。 II型（TβRII）。EMT有助于间质肾纤维化的发病机理，肾纤维化是终末期肾脏疾病的标志。这项研究旨在鉴定Angulata活跃分数中的生物活性化合物，并评估其抑制TGF-β活性及其作为候选药物的潜力的能力。使用气相色谱 - 质谱法（GC-MS）分析了Angulata活性分数中的活性成分。从PubChem数据库中获得生物活性化合物结构，而蛋白质靶标TβRI和TβRII从蛋白质数据库（PDB）中获取。使用PYRX 0.8和Discovery Studio进行了分子对接分析。Swissadme用于评估配体性质和药物液化。鉴定出三种主动活性化合物，即棕榈酸，campsterol和Stigmasterol。在计算机研究中表明，在TβRI和棕榈酸，camp醇，柱头固醇和SB431542之间存在强键，分别为-5.7，-10，-9.4和-10.9 kcal/mol，结合能值分别为-5.7，-10，-9.4。同样，它们与TβRII强烈结合，结合能值分别为-5.2，-7.1，-7.5和-6.1 kcal/mol。所有化合物都符合Lipinski的药物标准。在已识别的活性化合物中，campesterol对TβRI的亲和力最高，而柱头固醇对TβRII的亲和力很强。这些发现表明，这三种化合物具有候选药物的潜力。关键字：糖尿病性肾病，转化生长因子β，TGF-β抑制剂，Physalis angulata
一些天然抗高血压药用植物化合物的生物信息学分析作为有希望的血管紧张素转换酶抑制剂
3 尼日利亚阿贝奥库塔联邦农业大学园艺系 摘要 血管紧张素转换酶 (ACE) 抑制一直是抗高血压药物开发的一条有希望的途径。我们的研究使用计算机模拟方法调查了来自六种药用植物（Allium sativum L.、Zingiber officinale Roscoe、Acalypha godseffiana Mast.、Moringa oleifera Lam.、Vernonia amygdalina Delile 和 Rauvolfia vomitoria Afzel.）的生物活性化合物对 ACE 的抑制潜力。筛选了三十一 (31) 种生物活性化合物，同时使用雷米普利和依那普利作为对照药物。从 PubChem 在线服务器获得了生物活性化合物和对照药物的 3D 结构和规范简化分子输入线输入系统 (SMILES)。使用 SwissADME 在线服务器和 AutoDock Vina 软件对生物活性化合物进行药物相似性评估，并对成功化合物进行蛋白质-配体对接。还进行了 ADMET（吸收、分布、代谢、排泄、毒性）分析，以评估命中配体是否适合进一步药物开发。在筛选的 31 种化合物中，17 种至少通过了药物相似性判定的五条标准规则中的四条，而对照药物（雷米普利和依那普利）未通过其中一条规则。 Ajmaline、芹菜素、槲皮素、Cryptolepine、木犀草素、羟基维诺内酯、山奈酚和维诺达洛尔的结合能分别为 -9.6 kcal/mol、-8.7 kcal/mol、-8.5 kcal/mol、-8.4 kcal/mol、-8.4 kcal/mol、-8.3 kcal/mol、-8.3 kcal/mol 和 -7.8 kcal/mol，高于雷米普利和依那普利（-7.6 kcal/mol 和 -7.5 kcal/mol）。较高的结合能和结合相互作用的稳定性表明这些命中配体是针对 ACE 的潜在抗高血压药物。然而，需要进行湿实验室实验研究来验证这些化合物的抑制活性并阐明其作用机制。关键词：植物化合物、结合亲和力、高血压、靶蛋白、药用植物 *通讯作者电子邮件：fawibeoo@funaab.edu.ng 简介 高血压，俗称高血压，是影响人类最常见的疾病之一
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。
洞察与葡萄糖酶的茉莉花分子对接相互作用
iabetes mellitus（DM）是印度尼西亚的非传染性疾病。这项研究探讨了茉莉香肠植物化学成分对处理DM的潜力。使用多个数据库和计算机辅助药物发现工具在计算机分析中证明了茉莉花Sambac作为DM治疗候选者的潜力。本研究利用PubChem数据获得了分析的生物活性化合物，同时使用的受体是从RSCB获得的（PDB ID：4LC9）。使用swissadme测试了化合物的ADME特性。此外，还采用了瑞士目标预测和DB弦来分别分析靶蛋白和代谢途径，生物活性和相关疾病。通过使用PYRX版本0.8的分子对接进行了进一步的分析，使用Biovia Discovery Studio Visualizer版本4.5进行可视化。从jasminum sambac中包含的化合物的搜索结果中发现其中包含几种活性化合物。Some of these compounds passed the ADME criteria, compounds (Z, Z,Z)-3,6,9-Dodecatrien -1-ol,( Z)- Jasmone, linalool, Nerolidol, (-)-alpha-Cadinol, Benzenemethanol, Benzaldehyde, Linalyl benzoate, and 2,2,3,4-Tetramethylpentane.此外，对发生的分子相互作用，这些化合物的结合与人类中发现的葡萄糖激酶酶的结合以及它们的潜力如何成为糖尿病的抑制剂，进行了深入的分析。这增加了开发新药物化合物以抑制糖尿病的可能性。在植物茉莉香肠中发现的化合物，特别是苯基苯甲酸甲醇和苯甲酰甲醇，与葡萄糖酶蛋白具有强大的键合能力。关键字：茉莉花sambac |糖尿病| GCK | Linalyl苯甲酸酯|在硅中，这种称为糖尿病（DM）的疾病的特征是血糖（血糖）水平高于正常水平，尤其是当空腹血糖水平高于或等于126 mg/dl时，血糖水平等于或大于200 mg/dl。由于当今儿童不受管制的生活方式，这种疾病现在影响了许多年轻人。这种情况也是由几个环境变量引起的，由于其生活环境，许多人患有糖尿病。除了其他变量外，糖尿病患者的产生更有可能患上糖尿病1糖尿病，糖尿病是一种具有高血糖水平的异质疾病。呈现了糖尿病的当前分类，并比较了1型和2型糖尿病的主要特征。此外，在禁食和口服葡萄糖中使用准确的生化诊断标准和血红蛋白A1C（HBA1C）
TCMBank-最大的中医数据库，提供深度学习
亲爱的编辑： 在中药现代化中，确定草药中的有效成分和阐明有效成分与靶标之间的作用机制是两个关键方面。建立一个全面且高可靠性的中药数据库是非常可取的。我们的 TCM Database@Taiwan1 自 2011 年成立以来，已被广泛使用和大量引用，并且还被收录到 ZINC 数据库 2 中。我们使用自然语言处理，建立了知识图谱和分子信号传导通路来建立中药数据库 TCMBank ( https://TCMBank.cn/ )，它从 TCM Database@Taiwan 扩展而来，包括 9192 种草药、61,966 种成分、15,179 个靶标和 32,529 种疾病。更新后的中药库将中药成分数量由32,364种扩充至61,966种（非重复），并增加了靶点和疾病两个新数据字段。具有连接信息的中药数量为9010种，中药平均连接边数为16.05。具有连接信息的成分数量为54,676种，中药平均连接边数为5.26。TCMBank以mol2格式提供中药成分的三维结构，并提供与外部公共数据库的交叉引用链接，如CAS、DrugBank、PubChem、MeSH、OMIM、DO、ETCM、3 HERB、4等。目前，TCMBank是最全面、可下载、最大的非商业中药数据库，TCMBank与其他中药相关数据库的数据规模比较见图1 a。中西药库提供了一个方便的用户自由探索草药、成分、基因靶点与相关途径或疾病之间的关系的网站（图1b）。图1c展示了中西药库的建立流程，包括文本挖掘策略、智能文档识别模块等。所有与中药相关的信息必须经过志愿者至少两次的人工验证，以确保中西药库数据的可靠性。中西药之间的不良反应会导致医疗费用增加，甚至死亡。据估计，超过10%的患者需要同时服用五种药物，20%的老年患者需要同时服用至少十种药物，这大大增加了中西药互斥带来的医疗风险。中西药互斥反应的鉴别在临床上主要依靠生化分析。然而，这个过程非常耗费人力和物力。基于人工智能的中西药互斥预测需要大量带有不良反应标签的中西药配对。目前中西药互斥数据集尚不完善，而目前有两个现实世界的公共药物相互作用（DDI）数据集：DrugBank 和 TWOSIDES。在前期工作中，我们首先提出了两个模型，3DGT-DDI 5 和 SA-DDI, 6 在 DDI 数据集上预测两种化合物之间的相互作用。
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）。
网络药理学和生物信息学探索Fuzheng Xiaoliu颗粒的分子机制用于治疗肝素
背景和目的：肝细胞癌（HCC）是世界上十大最常见的恶性肿瘤之一，它是世界上一个主要问题。中医（TCM）在预防和治疗HCC方面具有许多优势，但其复杂的作用机理很难澄清，这限制了其研发。生物信息技术的持续发展为TCM研究提供了新的方法和机会。这项研究使用现代网络药理学和生物信息学方法来探索中草药化合物Fuzheng fuzheng fuzheng小颗粒（FZXLG）的可能分子机制，以治疗HCC，为其临床应用和基本研究提供理论基础，以促进TCM的现代化，以促进其世界化的应用。方法：通过TCMSP，BATMAN-TCM和其他数据库收集FZXLG的活性成分。通过PubChem和Swisstarget Prediction预测FZXLG的目标；通过Genecards，OMIM和其他疾病数据库获得了与HCC疾病相关的靶标，并筛选了FZXLG的潜在基因靶标。构建了用于治疗HCC的FZXLG的“处方-tcms-ingredients-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets-targets”。分析了TCGA数据库中HCC肿瘤和非肿瘤邻近组织的差异表达基因（DEG），以获得HCC的预后基因。然后，筛选了影响HCC预后的FZXLG基因，并进一步筛选核心靶基因。研究了HCC患者的核心基因表达与预后，免疫细胞浸润和免疫组织化学变化之间的相关性。基因和基因组的百科全书（KEGG）富集分析和基因本体学富集分析，对影响HCC预后的FZXLG基因进行了使用David Database进行了。AutoDockTools软件随后用于分子对接验证。结果：用于HCC治疗的FZXLG的十种核心有效成分包括多种类黄酮成分，例如槲皮素，Luteolin和formononetin。11影响HCC预后的FZXLG的核心靶标被筛选，其中雌激素受体1（ESR1）和催化酶（CAT）是有利的预后因素，而EGF，MMP9，CCNA2，CCNB1，CCNB1，CDK1，CDK1，CHEK1，CHEK1，CHEK1和E2F1是不良的预测因素。MMP9和EGF与六个TIIC子集正相关。CAT，PLG，AR，MMP9，CCNA2，CCNB1，CDK1和E2F1的不同表达水平与正常肝癌和肝癌的免疫组织化学染色变化相关。KEGG途径富集分析产生了33个途径，包括细胞周期，p53，乙型肝炎和其他信号通路。分子对接证实了主要核心成分与保护性预后核心靶标ESR1和CAT具有良好的结合。结论：FZXLG可以通过多种成分，多个靶标和多种途径来治疗HCC，从而影响HCC的预后，免疫微环境和免疫组织化学变化。