XiaoMi-AI文件搜索系统
World File Search System对接
分子对接，MD模拟，合成，DFT和生物学评估以及与Para Nitro苯基
伏诺替纳斯特的结构特征显示了三个部分，例如表面识别苯甲酰胺，接头己酰基和金属结合羟氨酸。在这项工作中，用取代的苯基环改变了表面识别组，咪唑基 - 三唑组用相同的金属结合羟氨基酸更改了接头组，最后设计了（F1-F4）分子。然后将所有设计的分子对接使用HDAC 2（4LXZ）受体。f4显示-8.7 kcal/mol的最大结合能，标准vornostat显示-7.2 kcal/mol。所有设计的分子都是使用gromacs软件模拟的分子动力学，以确定RMSD，RMSF，SASA和氢键的数量。所有仿真数据显示配体和受体之间的良好相互作用。然后，所有分子均由三个部分合成：a。二硝基苯基连接的三唑羟酸的合成，b。取代的恶唑酮衍生物的合成和c。在最后一步中，对替代的恶唑酮衍生物和二硝基苯基链接的三唑羟氨基酸反应，以产生最终的分子集（F1-F4）。DFT分析确定，F4以良好的亲电性而出现为最反应性分子。此外，对乳腺癌细胞系的体外抗增殖活性表明，F4是所有合成分子中最有效的抗癌分子。
FlowDock：生成蛋白质配体对接和亲和力预测的几何流量匹配
最近已经提出了动机的强大生成模型，但这些方法中很少有支持柔性蛋白质配体对接和亲和力估计。没有人可以直接对多种结合配体进行同时建模，也可以根据药理学相关的药物靶标进行严格的标准，从而阻碍了它们在药物发现工作中的广泛采用。 导致这项工作，我们提出了FlowDock，这是一种基于条件流量匹配的深几何生成模型，该模型学会了将其直接映射到其绑定的（Holo）对应物中，以将其映射到任意数量的结合配体中。 此外，Flowdock与其每种生成的蛋白质配体复杂结构中提供了预测的结构置信度评分和结合亲和力值，从而实现了新（多配体）药物目标的快速虚拟筛选。 对于常用的PoseBusters基准数据集，Flotdock使用Unbound（APO）蛋白质输入结构实现了51％的盲区对接成功率，而没有任何来自多个序列比对的信息，并且对于具有挑战性的新Dockgen-E数据集，FlotDock与单次序列Chai-1的性能相匹配。 此外，在第16个社区范围内的结构预测技术批判性评估（CASP16）的配体类别中，Flowdock在140种蛋白质配体复合物中的药理学结合亲和力估计的前5位方法中排名，证明了其在虚拟筛选中的学位表达的功效。没有人可以直接对多种结合配体进行同时建模，也可以根据药理学相关的药物靶标进行严格的标准，从而阻碍了它们在药物发现工作中的广泛采用。导致这项工作，我们提出了FlowDock，这是一种基于条件流量匹配的深几何生成模型，该模型学会了将其直接映射到其绑定的（Holo）对应物中，以将其映射到任意数量的结合配体中。此外，Flowdock与其每种生成的蛋白质配体复杂结构中提供了预测的结构置信度评分和结合亲和力值，从而实现了新（多配体）药物目标的快速虚拟筛选。对于常用的PoseBusters基准数据集，Flotdock使用Unbound（APO）蛋白质输入结构实现了51％的盲区对接成功率，而没有任何来自多个序列比对的信息，并且对于具有挑战性的新Dockgen-E数据集，FlotDock与单次序列Chai-1的性能相匹配。此外，在第16个社区范围内的结构预测技术批判性评估（CASP16）的配体类别中，Flowdock在140种蛋白质配体复合物中的药理学结合亲和力估计的前5位方法中排名，证明了其在虚拟筛选中的学位表达的功效。可用性和实现源代码，数据和预训练的模型可在https://github.com/ bioinfaramefaraminelearning/flowdock上找到。
通过分子对接和分子动力学模拟方法，利用计算机模拟发现 Smallanthus sonchifolius (Poepp.) H.Rob. 中潜在的钠-葡萄糖协同转运蛋白 2 (SGLT-2) 抑制剂
1988年，SGLT-2通过同源性筛选被鉴定（Santer and Calado，2010；Vallon and Thomson，2017）。据报道，SGLT-2介导90%以上的肾脏葡萄糖重吸收（Hummel等，2011）。SGLT-2抑制剂通过阻止近曲小管葡萄糖重吸收来降低血糖，从而起到抗糖尿病的作用，并通过抑制SGLT-2蛋白来促进肾脏葡萄糖排泄（Abdul-Ghani等，2011）。对于糖尿病的治疗和控制，有许多治疗和靶向技术可用（Nauck 等人，2021 年），其中之一是通过 SGLT-2 抑制肾脏对葡萄糖的重吸收，这是一种帮助 2 型糖尿病患者降低血糖的新方法。在治疗 2 型糖尿病时，SGLT-2 抑制剂是一个很好的选择，因为它们可以降低血糖水平而不会损害胰岛素的产生（Miller 和 Shubrook，2015 年）
AlphaFold3了解了什么是关于抗体和纳米型对接的，什么尚未解决？
适体是单链寡核苷酸，它们结合具有高亲和力和特异性的分子靶标。但是，他们的发现和进化仍被限制在常规的SELEX方法上。在这里，我们提出了一种适体结合语言（可易于使用的）模型，该模型通过将预处理的蛋白质和核酸序列编码与跨注意结构相结合，以捕获适体 - 蛋白结合的决定因素，从而实现跨不同蛋白质靶标的结合相互作用的可靠预测。该模型采用具有多头跨意义机制的基于变压器的结构，优化了序列特定特征和位置嵌入，以学习适体及其蛋白质靶标之间的复杂结合模式，同时维持跨不同适应性库的序列长度多样性。我们跨不同基准测试的广泛评估表明，在概括实验结合曲线方面的现有方法相对于现有方法的优势。可易于观察的蛋白质和产生的适体表现出强烈/有利的概括性。在现实世界中，可易于识别的是几种经过实验验证的CD117 ssDNA Apatamers先前被传统SELEX遗漏的，并产生了一种新型的SSDNA Apatamer，该Aptna Aptamer与APP62与人类CD4共享具有可比的结合曲线。这些结果展示了可捕获捕获适体蛋白结合的分子相互作用的能力。
综合，新型伊萨蛋白Schiff碱金属复合物的光谱表征：生物活动评估和分子对接研究
摘要：Ganciclovir（GCV）在治疗和管理眼病毒感染（例如单纯疱疹病毒（HSV）和巨细胞病毒（CMV）视网膜炎）中起着至关重要的作用。然而，GCV的角膜渗透率低，整个膜的渗透性较差，并且药物生物利用度较差，这在治疗眼病方面构成了挑战。除此之外，传统的局部眼药器（例如眼滴，凝胶和药膏）具有限制，例如撕裂较差，药物的停留时间差，频繁的给药间隔，剂量浪费以及系统性吸收过多，导致差的Ocular Bioavaiailito。已经研究了许多策略，以改善GCV的角膜渗透和眼生物利用度。杂志评论是使用2001 - 2023年的图书馆研究方法撰写的，其中包含有关眼科药物输送系统的Ganciclovir配方的信息。杂志评论讨论了一些实现GCV治疗目标的方法。这篇综述的结果表明，其中一些方法，包括脂质体，微乳液，纳米颗粒微球，聚合物纳米颗粒和金纳米颗粒，可以通过增加渗透率，渗透性，生物可利用性GCV以及眼球中的生物可利用性GCV来改善GCV的常规配方。
脂黄酮类化合物在治疗癌症中的分子对接研究……
背景/目的：冠状病毒病 (COVID-19) 是一个全球性的健康问题，人们正在寻求治疗方案，对能够消除或减轻 SARS-CoV-2 影响的药物的需求日益增加。冠状病毒病会留下永久性的影响，甚至会对免疫系统较弱的患者造成致命影响。考虑到这一重要因素，本研究选择了天然脂类黄酮营养补充剂作为目标药物，该营养补充剂既可用于增强免疫系统，也可用于治疗耳鸣、嗅觉和味觉障碍。材料和方法：对脂类黄酮化合物进行分子对接分析，以了解 SARS-CoV-2、NMDAR 和 VKORC1 蛋白之间的分子相互作用机制。结果：特别是，发现 NSP16（-7.97 kcal/mol）和维生素 K 环氧化物还原酶（-7.13 kcal/mol）中的硝酸硫胺素的对接得分较高。核黄素在 K 环氧还原酶中的插入分数 (-8.66 kcal/mol) 也被发现较高。结论：这些对接结合分数表明这些化合物可用作潜在抑制剂。脂黄酮类化合物可在短时间内有效治疗 COVID-19 的常见症状嗅觉-味觉障碍和耳鸣，并可阻止冠状病毒的复制，这一假设已得到理论证实。
基于自动 QSAR 的主动学习对接，用于鉴定恶性疟原虫 Hsp90 的潜在抑制剂作为抗疟药物
疟疾主要由恶性疟原虫引起，仍然是一个严重的公共卫生问题，因此需要开发新的抗疟药物。恶性疟原虫热休克蛋白 90 (Hsp90) 对寄生虫的生存不可或缺，也是一种很有前途的药物靶点。针对 N 端结构域的 ATP 结合口袋的抑制剂具有抗疟原虫作用。我们提出了一种从头主动学习 (AL) 驱动的方法，结合对接来预测具有独特支架和对 PfHsp90 优先选择性的抑制剂。预测在 ATP 结合口袋处与 PfHsp90 结合并具有抗疟原虫活性的参考化合物被用于生成 10,000 种独特衍生物并建立自动定量结构活性关系 (QSAR) 模型。进行滑动对接以预测衍生物和从 ChEMBL 数据库获得的 15,000 多种化合物的对接得分。对模型进行反复训练和测试，直到最佳的基于 Kennel 的偏最小二乘 (KPLS) 回归模型达到收敛，该模型的训练集回归系数 R2 = 0.75，测试集的平方相关预测 Q2 = 0.62。使用诱导拟合对接和分子动力学模拟重新评分使我们能够优先考虑 15 种 ATP/ADP 类设计理念以供购买。这些化合物对恶性疟原虫 NF54 菌株表现出中等活性，IC 50 值为 ÿ 6 μ M，对 PfHsp90 表现出中等至弱亲和力（KD 范围：13.5–19.9 μ M），与报道的 ADP 亲和力相当。最有效的化合物是 FTN-T5（PfN54 IC 50：1.44 μ M；HepG2/CHO 细胞 SI ÿ 29），它以中等亲和力（KD：7.7 μ M）与 PfHsp90 结合，为优化工作提供了起点。我们的工作证明了 AL 在快速识别用于药物发现的新分子（即命中识别）方面具有巨大实用性。FTN-T5 的效力对于设计物种选择性抑制剂以开发更有效的抗疟药物至关重要。
在天然衍生物中通过计算机模拟鉴定有希望治疗肝细胞癌的 PDE5 抑制剂：一项涉及对接和 ADMET 的研究
肝细胞癌 (HCC) 死亡率高，是全球面临的重大健康挑战，迫切需要先进的治疗策略。本研究采用计算机方法从已获批准的 IBS_Scaff 532 天然化合物库中识别潜在的磷酸二酯酶 5 (PDE5) 抑制剂。PDE5 抑制剂因其潜在的抗肿瘤作用而备受关注。研究人员使用分子对接模拟评估了这些化合物与调节细胞 cGMP 通路的 PDE5 酶的结合效果。此外，ADMET 分析预测了候选抑制剂的药理和安全性。值得注意的是，IBS_NC-0322 和 IBS_NC-0320 等化合物表现出良好的 ADMET 特性和强的结合亲和力。这些发现表明它们具有作为治疗 HCC 的治疗剂的潜力。虽然计算机模拟方法是宝贵的筛选工具，但后续的实验验证和临床试验对于确认至关重要。
将网络药理学和分子对接整合到发现
摘要简介：鲁丁蛋白是一种黄酮醇糖苷，已知血糖还原活性。然而，其在降低血糖水平的分子机制尚不清楚。这项研究用于阐明鲁丁作为抗糖尿病药物的药理机制。方法：在相关数据库中筛选Rutin的潜在目标以构建复合目标网络。网络药理学用于识别与疾病，基因本体学和KEGG途径相关的靶标，并使用Autodock 4.2在ADT界面辅助的结果中证实了其潜在的结合亲和力：。结果强调了MTOR，PIK3R1和NFKB1R是通过网络药理学的潜在目标。与胰岛素信号通路，胰岛素抵抗，2型糖尿病，B受体信号通路，糖尿病并发症和胰腺癌中的年龄静电信号通路途径有关的靶标。所有对接协议的有效期为TNF-A，NF-KB，PI3K的RMSD值分别为0.72Å，0.67Å和0.54Å。分子对接已经通过与这些蛋白质稳定结合，估计的自由结合能值为-8.54 kcal/mol（nf -kb），-8.01 kcal/mol（pi3k）和-6.22 kcal/mol（tnf -l -l -l -l -l -l -l -li）。结论：该研究已通过稳定与NF-KB，TNF-和PI3K结合，对Rutin在DM管理中的分子机制有了深入的了解。但是，需要进一步的实验室实验研究，尤其是体外和体内测定。关键字：鲁丁，抗糖尿病，网络药理学，分子对接，虚拟筛查
可穿戴活动监视和视觉反馈对接受移植的患者的移动和健身的影响
几项研究探讨了接受SCT的成年患者的锻炼和加强计划的使用（Baumann等，2010，2011; Coleman等，2008; Dimeo等，1997; Dimeo等，1997; Hacker等，2017; Hacker等，2017; jurdi et al。，2021; Knols et al。; knols et al。 Wiskemann＆Huber，2008）。先前的研究探索了各种运动和加强干预措施，包括移动，骑自行车测量计，抵抗训练和个性化的物理疗法。与随机或非随机对照患者相比，这些研究主要报道了接受运动疗法的患者的身体性能和生活质量以及减少疲劳的改善。例如，Baumann等。（2010）对64例接受同种异体或ASCT的患者进行了试验，这些患者在移植过程中随机接受剧烈运动或被动疗法。在物理治疗师的监督下，运动组骑着自行车测量计或每天两次行走20分钟。骗局组接受了按摩，协调培训或伸展运动。在出院时，在经过改良的世界卫生组织评估中，运动组在耐力测试中表现出最小的下降（2％），而对照组与基线相比损失了27％的耐力。研究中使用的深入监督耐力训练和设备才是可能仅是因为移植设施的大量投资（Baumann等，2010）。锻炼计划可能需要大量资源，而SCT集合中通常不可用，其中患者护理主要集中于管理剂量密集型治疗的并发症。