Đánh giá tính sinh khả dụng và dược động học thuốc in silico của các sản phẩm tự nhiên từ cây thuốc ở vùng lưu vực Congo

In Silico Pharmacology - Tập 1 Số 1
Fidele Ntie‐Kang1, Lydia L. Lifongo2, James A. Mbah3, L. C. Owono Owono1, Eugène Megnassan4, Luc Meva′a Mbaze5, Philip N. Judson6, Wolfgang Sippl7, Simon M. N. Efange3
1CEPAMOQ, Faculty of Science, University of Douala, P.O. Box 8580, Douala, Cameroon
2Chemical and Bioactivity Information Centre, Department of Chemistry, Faculty of Science, University of Buea, P. O. Box 63, Buea, Cameroon
3Department of Chemistry, Faculty of Science, University of Buea, P. O. Box 63, Buea, Cameroon
4Laboratory of Fundamental and Applied Physics, University of Abobo-Adjame, Abidjan, 02 BP 801, Cote d'Ivoire
5Department of Chemistry, Faculty of Science, University of Douala, P. O. Box 24157, Douala, Cameroon
6Chemical and Bioactivity Information Centre, 22-23 Blenheim Terrace, Woodhouse Lane, Leeds, LS2 9HD, UK
7Department of Pharmaceutical Sciences, Martin-Luther University of Halle-Wittenberg, Wolfgang-Langenbeck Str. 4, 06120, Halle (Saale), Germany

Tóm tắt

Tóm tắt Mục đích Đánh giá chuyển hóa thuốc và dược động học (DMPK) đã trở thành một lĩnh vực quan tâm trong giai đoạn đầu của quá trình phát hiện thuốc hiện nay. Việc sử dụng mô hình hóa bằng máy tính để dự đoán các thuộc tính DMPK và độc tính của thư viện sản phẩm tự nhiên từ cây thuốc ở Trung Phi (được gọi là ConMedNP). Chất liệu từ một số nguồn cây hiện nay được sử dụng trong Y học cổ truyền châu Phi. Phương pháp Các phương pháp dựa trên máy tính đang từ từ chiếm ưu thế trong lĩnh vực này và thường được sử dụng như là tiêu chí sơ bộ để loại bỏ các hợp chất có khả năng trình bày các hồ sơ dược động học không thú vị và mức độ độc tính không chấp nhận được trong danh sách các ứng viên thuốc tiềm năng, từ đó giảm chi phí phát hiện thuốc. Trong nghiên cứu hiện tại, chúng tôi trình bày một đánh giá in silico về hồ sơ DMPK và độc tính của một thư viện sản phẩm tự nhiên chứa khoảng 3.200 hợp chất, được chiết xuất từ 379 loài cây thuốc từ 10 quốc gia trong rừng và thảo nguyên lưu vực Congo, đã được công bố trong tài liệu. Trong phân tích này, chúng tôi đã sử dụng 46 thuộc tính vật lý - hóa học tính toán hoặc các mô tả phân tử để dự đoán sự hấp thụ, phân bố, chuyển hóa và loại bỏ cùng với độc tính (ADMET) của các hợp chất.

Từ khóa

#Dược động học #chuyển hóa thuốc #sản phẩm tự nhiên #y học cổ truyền #cây thuốc #mô hình hóa máy tính.

Tài liệu tham khảo

Ajay , Bermis GW, Murkco MA: Designing libraries with CNS activity. J Med Chem 1999, 42: 4942–4951. 10.1021/jm990017w

Aronov AM: Predictive in silico modeling for hERG channel blockers. Drug Discov Today 2005, 10: 149–155. 10.1016/S1359-6446(04)03278-7

Butler MS: Natural products to drugs: natural product derived compounds in clinical trials. Nat Prod Rep 2005, 22: 162–195. 10.1039/b402985m

Button WG, Judson PN, Long A, Vessey JD: Using absolute and relative reasoning in the prediction of the potential metabolism of xenobiotics. J Chem Inf Comput Sci 2003, 43: 1371–1377. 10.1021/ci0202739

Cavalli A, Poluzzi E, De Ponti F, Recanatini M: Toward a pharmacophore for drugs inducing the long QT syndrome: insights from a CoMFA study of HERG K + channel blockers. J Med Chem 2002, 45: 3844–3853. 10.1021/jm0208875

Chibale K, Davies-Coleman M, Masimirembwa C: Drug discovery in Africa: impacts of genomics, natural products, traditional medicines, insights into medicinal chemistry, and technology platforms in pursuit of new drugs. Berlin: Springer; 2012.

Chiesa N, Rosati B, Arcangeli A, Olivotto M, Wanke E: A novel role for HERG K + channels: spike-frequency adaptation. J Physiol 1997, 501: 313–318. 10.1111/j.1469-7793.1997.313bn.x

Chin YW, Balunas MJ, Chai HB, Kinghorn AD: Drug discovery from natural sources. AAPS J 2006,8(2):E239-E253.

Colmenarejo G, Alvarez-Pedraglio A, Lavandera J-L: Cheminformatic models to predict binding affinities to human serum albumin. J Med Chem 2001, 44: 4370–4378. 10.1021/jm010960b

Cronin MTD: Computer-assisted prediction of drug toxicity and metabolism in modern methods of drug discovery. In Modern methods of drug discovery. Edited by: Hilgenfeld R, Hillisch A. Basel: Birkhäuser; 2003.

Cruciani C, Crivori P, Carrupt PA, Testa B: Molecular fields in quantitative structure-permeation relationships: the VolSurf approach. J Mol Struc-Theochem 2000, 503: 17–30. 10.1016/S0166-1280(99)00360-7

Darvas F, Keseru G, Papp A, Dormán G, Urge L, Krajcsi P: In Silico and Ex silico ADME approaches for drug discovery. Top Med Chem 2002, 2: 1287–1304. 10.2174/1568026023392841

De Ponti F, Poluzzi E, Montanaro N: Organising evidence on QT prolongation and occurrence of Torsades de Pointes with non-antiarrhythmic drugs: a call for consensus. Eur J Clin Pharmacol 2001, 57: 185–209. 10.1007/s002280100290

DiMasi JA, Hansen RW, Grabowsk HG: The price of innovation: new estimates of drug development costs. J Health Econ 2003, 22: 151–185. 10.1016/S0167-6296(02)00126-1

Duffy EM, Jorgensen WL: Prediction of properties from simulations: free energies of solvation in hexadecane, octanol, and water. J Am Chem Soc 2000, 122: 2878–2888. 10.1021/ja993663t

Efange SMN: Natural products: a continuing source of inspiration for the medicinal chemist. In Advances in phytomedicine. Edited by: Iwu MM, Wootton JC. Amsterdam: Elsevier Science; 2002.

Gleeson MP, Hersey A, Hannongbua S: In-silico ADME models: a general assessment of their utility in drug discovery applications. Curr Top Med Chem 2011,11(4):358–381. 10.2174/156802611794480927

Grabowski K, Schneider G: Properties and architecture of drugs and natural products revisited. Curr Chem Biol 2007, 1: 115–127.

Grabowski K, Baringhaus K-H, Schneider G: Scaffold diversity of natural products: inspiration for combinatorial library design. Nat Prod Rep 2008, 25: 892–904. 10.1039/b715668p

Greene N, Judson PN, Langowski JJ: Knowledge-based expert systems for toxicity and metabolism prediction: DEREK, StAR and METEOR. SAR QSAR Environ Res 1999, 10: 299–314. 10.1080/10629369908039182

Hansch C, Leo A, Mekapatia SB, Kurup A: QSAR and ADME. Bioorg Med Chem 2004, 12: 3391–3400. 10.1016/j.bmc.2003.11.037

Harvey AL: Natural products in drug discovery. Drug Discov Today 2008, 13: 894–901. 10.1016/j.drudis.2008.07.004

Hedley PL, Jørgensen P, Schlamowitz S, Wangari R, Moolman-Smook J, Brink PA, Kanters JK, Corfield VA, Christiansen M: The genetic basis of long QT and short QT syndromes: a mutation update. Human Mutation 2009, 30: 1486–1511. 10.1002/humu.21106

Hodgson J: ADMET – turning chemicals into drugs. Nat Biotechnol 2001, 19: 722–726. 10.1038/90761

Hou T, Wang J: Structure-ADME relationship: still a long way to go? Expert Opin Drug Metab Toxicol 2008,4(6):759–770. 10.1517/17425255.4.6.759

Irvine JD, Takahashi L, Lockhart K, Cheong J, Tolan JW, Selick HE, Grove JR: MDCK (Madin-Darby canine kidney) cells: a tool for membrane permeability screening. J Pharm Sci 1999, 88: 28–33. 10.1021/js9803205

Jorgensen WL, Duffy EM: Prediction of drug solubility from Monte Carlo simulations. Bioorg Med Chem Lett 2000, 10: 1155–1158. 10.1016/S0960-894X(00)00172-4

Jorgensen WL, Duffy EM: Prediction of drug solubility from structure. Adv Drug Deliv Rev 2002, 54: 355–366. 10.1016/S0169-409X(02)00008-X

Jorgensen WL, Tirado-Rives J: The OPLS [optimized potentials for liquid simulations] potential functions for proteins, energy minimizations for crystals of cyclic peptides and crambin. J Am Chem Soc 1988,110(6):1657–1666. 10.1021/ja00214a001

Jorgensen WL, Maxwell DS, Tirado-Rives J: Development and testing of the OPLS all-atom force field on conformational energetics and properties of organic liquids. J Am Chem Soc 1996,118(45):11225–11236. 10.1021/ja9621760

Kelder J, Grootenhuis PD, Bayada DM, Delbresine LP, Ploemen JP: Polar molecular surface as a dominating determinant for oral absorption and brain pernetration of drugs. Pharm Res 1999, 16: 1514–1519. 10.1023/A:1015040217741

Koehn FE, Carter GT: The evolving role of natural products in drug discovery. Nat Rev Drug Discov 2005, 4: 206–220. 10.1038/nrd1657

Lhasa Ltd: Meteor, version 13.0.0. Leeds, UK: Lhasa; 2010.

Li JWH, Vederas JC: Drug discovery and natural products: end of an era or an endless frontier? Science 2009, 325: 161–165. 10.1126/science.1168243

Lipinski CA, Lombardo F, Dominy BW, Feeney PJ: Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings. Adv Drug Delivery Rev 1997, 23: 3–25. 10.1016/S0169-409X(96)00423-1

Lombardo F, Gifford E, Shalaeva MY: In silico ADME prediction: data, models, facts and myths. Mini Rev Med Chem 2003, 3: 861–875. 10.2174/1389557033487629

Luco JM: Prediction of brain–blood distribution of a large set of drugs from structurally derived descriptors using partial least squares (PLS) modelling. J Chem Inf Comput Sci 1999, 39: 396–404. 10.1021/ci980411n

Navia MA, Chaturvedi PR: Design principles for orally bioavailable drugs. Drug Dev Today 1996, 1: 179–189. 10.1016/1359-6446(96)10020-9

Newman DJ: Natural products as leads to potential drugs: an old process or the new hope for drug discovery? J Med Chem 2008, 51: 2589–2599. 10.1021/jm0704090

Ntie-Kang F, Mbah JA, Mbaze LM, Lifongo LL, Scharfe M, Ngo Hanna J, Cho-Ngwa F, Amoa Onguéné P, Owono Owono LC, Megnassan E, Sippl W, Efange SMN: CamMedNP: Building the Cameroonian 3D structural natural products database for virtual screening. BMC Complement Altern Med 2013, 13: 88. 10.1186/1472-6882-13-88

Ntie-Kang F, Lifongo LL, Mbaze LM, Ekwelle N, Owono Owono LC, Megnassan E, Judson PN, Sippl W, Efange SMN: Cameroonian medicinal plants: a bioactivity versus ethnobotanical survey and chemotaxonomic classification. BMC Complement Altern Med 2013b, 13: 147. 10.1186/1472-6882-13-147

OCHEM: A platform for the creation of in silico ADME/Tox prediction models. 2009. http://www.eadmet.com/en/ochem.php

Oprea TI: Current trends in lead discovery: are we looking for the appropriate properties? J Comput-Aided Mol Des 2002, 16: 325–334. 10.1023/A:1020877402759

p-ANAPL: pan-ANAPL: pan-African natural products library. 2013. http://www.linkedin.com/groups/pANPL-4098579/about

Potts RO, Guy RH: Skin permeability. Pharm Res 1992, 9: 663–669. 10.1023/A:1015810312465

Potts RO, Guy RH: A predictive algorithm for skin permeability: the effects of molecular size and hydrogen bond activity. Pharm Res 1995, 12: 1628–1633. 10.1023/A:1016236932339

Quinn RJ, Carroll AR, Pham MB, Baron P, Palframan ME, Suraweera L, Pierens GK, Muresan S: Developing a drug-like natural product library. J Nat Prod 2008, 71: 464–468. 10.1021/np070526y

Schneider G: Trends in virtual computational library design. Curr Med Chem 2002, 9: 2095–2102. 10.2174/0929867023368755

Schrödinger: QikProp, version 3.4. New York, NY: LLC; 2011a.

Schrödinger: LigPrep software, version 2.5. New York, NY: LLC; 2011b.

Schrödinger: Maestro, version 9.2. New York, NY: LLC; 2011c.

Schrödinger Press: QikProp 3.4 User Manual. New York, NY: LLC; 2011.

Shivakumar D, Williams J, Wu Y, Damm W, Shelley J, Sherman W: Prediction of absolute solvation free energies using molecular dynamics free energy perturbation and the OPLS force field. J Chem Theory Comput 2010, 6: 1509–1519. 10.1021/ct900587b

Stenberg P, Norinder U, Luthman K, Artursson P: Experimental and computational screening models for the prediction of intestinal drug absorption. J Med Chem 2001, 44: 1927–1937. 10.1021/jm001101a

Teague SJ, Davis AM, Leeson PD, Opea TI: The design of leadlike combinatorial libraries. Angew Chem, Int Ed 1999, 38: 3743–3748. 10.1002/(SICI)1521-3773(19991216)38:24<3743::AID-ANIE3743>3.0.CO;2-U

Tetko IV, Bruneau P, Mewes H-W, Rohrer DC, Poda GI: Can we estimate the accuracy of ADMET predictions? Drug Discov Today 2006, 11: 700–707. 10.1016/j.drudis.2006.06.013

Van de Waterbeemd H, Gifford E: ADMET in silico modelling: towards prediction paradise? Nat Rev Drug Discov 2003, 2: 192–204. 10.1038/nrd1032

Vandenberg JI, Walker BD, Campbell TJ: HERG K + channels: friend or foe. Trends Pharmacol Sci 2001, 22: 240–246. 10.1016/S0165-6147(00)01662-X

Veber DF, Johnson SR, Cheng HY, Smith BR, Ward KW, Kopple KD: Molecular properties that influence the oral bioavailability of drug candidates. J Med Chem 2002, 45: 2615–2623. 10.1021/jm020017n

Verdonk ML, Cole JC, Hartshorn ML, Murray CW, Taylor RD: Improved protein-ligand docking using GOLD. Proteins 2003, 52: 609–623. 10.1002/prot.10465

Wetzel S, Schuffenhauer A, Roggo S, Ertl P, Waldmann H: Cheminformatic analysis of natural products and their chemical space. Chimia Int J Chem 2007, 61: 355–360. 10.2533/chimia.2007.355

Yazdanian M, Glynn SL, Wright JL, Hawi A: Correlating partitioning and caco-2 cell permeability of structurally diverse small molecular weight compounds. Pharm Res 1998, 15: 1490–1494. 10.1023/A:1011930411574

Zofou D, Ntie-Kang F, Sippl W, Efange SMN: Bioactive natural products derived from the Central African flora against neglected tropical diseases and HIV. Nat Prod Rep 2013, 30: 1098–1120. 10.1039/c3np70030e

Thông tin
Thông tin xuất bản

In Silico Pharmacology

Tập 1 Số 1

Thông tin tác giả