Nội dung được dịch bởi AI, chỉ mang tính chất tham khảo
Tiềm năng của các hợp chất chống sốt rét được chiết xuất từ cây thuốc Nam Phi, phần III: đánh giá in silico về chuyển hóa thuốc và đặc điểm dược động học
Tóm tắt
Sốt rét là một bệnh nội sinh ảnh hưởng đến nhiều quốc gia ở các vùng nhiệt đới. Trong công cuộc tìm kiếm các hợp chất tiềm năng để thiết kế và/hoặc phát triển các loại thuốc mới chống lại căn bệnh này, nhiều nhóm nghiên cứu đã tìm tới các cây thuốc Nam Phi nhằm xác định các hợp chất dẫn đầu. Các mô hình phân tử ba chiều đã được tạo ra đối với các hợp chất chống sốt rét có nguồn gốc từ châu Phi (từ 'ít hoạt động' đến 'cực kỳ hoạt động'), được xác định từ các nguồn tài liệu. Các đặc tính phân tử đã được tính toán liên quan đến hấp thụ, phân bố, chuyển hóa, thải trừ và độc tính (ADMET) của các hóa chất thực vật đã được phân tích và so sánh với các loại thuốc đã biết để đánh giá tính 'giống thuốc' của các hợp chất này. Trong nghiên cứu hiện tại, hơn 500 hợp chất chống sốt rét được xác định từ 131 loài cây thuốc khác nhau thuộc 44 họ thực vật từ hệ thực vật châu Phi đã được xem xét. Trên cơ sở 'Quy tắc năm' của Lipinski, khoảng 70% các hợp chất được dự đoán có khả năng sinh khả dụng đường uống, trong khi trên cơ sở 'Quy tắc ba' của Jorgensen, hơn 80% tương ứng là tuân thủ. Một tham số tổng thể về tính giống thuốc chỉ ra rằng khoảng 55% các hợp chất có thể là các dẫn đầu tiềm năng cho sự phát triển thuốc. Từ các phân tích trên, có thể ước lượng rằng hơn 50% các hợp chất có hoạt tính chống plasmodium/chống sốt rét, được chiết xuất từ hệ thực vật châu Phi, có thể là điểm khởi đầu cho việc khám phá thuốc chống sốt rét. Các mô hình 3D của các hợp chất đã được bao gồm như một tệp đính kèm và có thể được sử dụng trong sàng lọc ảo.
Từ khóa
#sốt rét #hợp chất chống sốt rét #cây thuốc Nam Phi #mô hình phân tử ba chiều #dược động học #chuyển hóa thuốcTài liệu tham khảo
Malaria atlas project (MAP). . Accessed 2 August 2013, [http://www.map.ox.ac.uk]
WHO - World Health Organization (2012) World malaria report 2012. Geneva, Available from . Accessed 2 August 2013, [http://who.int/malaria/publications/world_malaria_report_2012/wmr2012_no_profiles.pdf]
Vogel G: Infectious disease - new map illustrates risk from the 'other' malaria. Science 2010, 329: 618–618. 10.1126/science.329.5992.618
Hoffman SL, Subramanian GM, Collins FH, Venter JC: Plasmodium , human and Anopheles genomics and malaria. Nature 2002, 415: 702–709. 10.1038/415702a
White NJ: Antimalarial drug resistance. J Clin Invest 2004, 113: 1084–1092. 10.1172/JCI21682
Anthony MP, Burrows JN, Duparc S, Moehrle J, Wells TNC: The global pipeline of new medicines for the control and elimination of malaria. Malar J 2012, 11: 316. 10.1186/1475-2875-11-316
Wongsrichanalai C, Pickard AL, Wernsdorfer WH, Meshnick SR: Epidemiology of drug-resistant malaria. Lancet Infect Diseases 2002, 2: 209–218. 10.1016/S1473-3099(02)00239-6
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
Sullivan DJ Jr, Kaludov N, Martinov MN: Discovery of potent, novel, non-toxic anti-malarial compounds via quantum modelling, virtual screening and in vitro experimental validation. Malar J 2011, 10: 274. 10.1186/1475-2875-10-274
Singh N, Cheve G, Avery MA, McCurdy CR: Targeting the methyl erythritol phosphate (MEP) pathway for novel antimalarial, antibacterial and herbicidal drug discovery: inhibition of 1-deoxy- D -xylulose-5-phosphate reductoisomerase (DXR) enzyme. Curr Pharm Des 2007, 13: 1161–1177. 10.2174/138161207780618939
Griffith R, Chanphen R, Leach SP, Keller PA: New anti-malarial compounds from database searching. Bioorg Med Chem Lett 2002,12(4):539–542. 10.1016/S0960-894X(01)00811-3
Bhattacharjee AK, Geyer JA, Woodard CL, Kathcart AK, Nichols DA, Prigge ST, Li Z, Mott BT, Waters NC: A three-dimensional in silico pharmacophore model for inhibition of Plasmodium falciparum cyclin-dependent kinases and discovery of different classes of novel Pf mrk specific inhibitors. J Med Chem 2004,47(22):5418–5426. 10.1021/jm040108f
Jacq N, Salzemann J, Jacq F, Legré Y, Medernach E, Montagnat J, Maaß A, Reichstadt M, Schwichtenberg H, Sridhar M, Kasam V, Zimmermann M, Hofmann M, Breton V: Grid-enabled virtual screening against malaria. Journal of Grid Computing 2008,6(1):29–43. 10.1007/s10723-007-9085-5
Hecht D, Cheung M, Fogel GB: QSAR using evolved neural networks for the inhibition of mutant Pf DHFR by pyrimethamine derivatives. Biosystems 2008,92(1):10–15. 10.1016/j.biosystems.2007.10.005
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
Hodgson J: ADMET – turning chemicals into drugs. Nat Biotechnol 2001, 19: 722–726. 10.1038/90761
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. Birkhäuser, Basel; 2003.
Amoa Onguéné P, Ntie-Kang F, Lifongo LL, Ndom JC, Sippl W, Mbaze LM: The potential of anti-malarial compounds derived from African medicinal plants, part I: a pharmacological evaluation of alkaloids and terpenoids. Malar J 2013, 12: 449. 10.1186/1475-2875-12-449
Ntie-Kang F, Amoa Onguéné P, Lifongo LL, Ndom JC, Sippl W, Mbaze LM: The potential of anti-malarial compounds derived from African medicinal plants, part II: a pharmacological evaluation of non-alkaloids and non-terpenoids. Malar J 2014, 13: 81. 10.1186/1475-2875-13-81
Ntie-Kang F, Mbah JA, Mbaze LM, Lifongo LL, Scharfe M, Ngo Hanna J, Cho-Ngwa F, Amoa Onguéné P, 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, Onguéné PA, Scharfe M, Owono LCO, Megnassan E, Mbaze LM, Sippl W, Efange SMN: ConMedNP: a natural product library from central African medicinal plants for drug discovery. RSC Adv 2014, 4: 409–419. 10.1039/c3ra43754j
Ntie-Kang F, Zofou D, Babiaka SB, Meudom R, Scharfe M, Lifongo LL, Mbah JA, Mbaze LM, Sippl W, Efange SMN: A select highly potent and diverse natural product library from African medicinal plants. PLOS ONE 2013,8(10):e78085. 10.1371/journal.pone.0078085
Ntie-Kang F, Mbah JA, Lifongo LL, Owono LCO, Megnassan E, Mbaze LM, Judson PN, Sippl W, Efange SMN: Assessing the pharmacokinetic profile of the CamMedNP natural products database: an in silico approach. Org Med Chem Lett 2013, 3: 10. 10.1186/2191-2858-3-10
Ntie-Kang F, Lifongo LL, Mbah JA, Owono LCO, Megnassan E, Mbaze LM, Judson PN, Sippl W, Efange SMN: In silico drug metabolism and pharmacokinetic profiles of natural products from medicinal plants in the Congo basin. In Silico Pharmacology 2013, 1: 12. 10.1186/2193-9616-1-12
Mahmoudi N, de Julian-Ortiz JV, Cicerone L, Galvez J, Mazier D, Danism M, Derouin F, Garcia-Domenech R: Identification of new antimalarial drugs by linear discriminant analysis and topological virtual screening. J Antimicrob Chemother 2006, 57: 489–497. 10.1093/jac/dki470
Willcox M, Bodeker G, Rasanaivo P: Traditional medicinal plants and malaria. CRC, Paris; 2004.
Rasoanaivo P, Oketch-Rabah H: Preclinical considerations on anti-malarial phytomedicines: part II, efficacy evaluation. Institut Malgache des Recherches Appliquées, Antananarivo; 1998.
Molecular operating environment software. Chemical Computing Group Inc, Montreal; 2010.
Halgren TA: Merck molecular forcefield. J Comput Chem 1996, 17: 490–641. 10.1002/(SICI)1096-987X(199604)17:5/6<490::AID-JCC1>3.0.CO;2-P
LigPrep software, version 2.5. LLC, New York; 2011.
Maestro, version 9.2. LLC, New York; 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
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
QikProp, version 3.4. LLC, New York; 2011.
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
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
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
QikProp 3.4 user manual. LLC, New York; 2011.
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
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
Van de Waterbeemd H, Gifford E: ADMET in silico modelling: towards prediction paradise? Nat Rev Drug Discov 2003, 2: 192–204. 10.1038/nrd1032
Potts RO, Guy RH: Predicting 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
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. Hum Mutat 2009, 30: 1486–1511. 10.1002/humu.21106
Vandenberg JI, Walker BD, Campbell TJ (2001) HERG K+ channels: friend or foe. Trends Pharmacol Sci 22:240-246
Chiesa N, Rosati B, Arcangeli A, Olivotto M, Wanke E (1997) A novel role for HERG K+ channels: spike-frequency adaptation. J Physiol 501:313-318
Aronov AM: Predictive in silico modeling for hERG channel blockers. Drug Discov Today 2005, 10: 149–155. 10.1016/S1359-6446(04)03278-7
Lipinski CA: Drug-like properties and the causes of poor solubility and poor permeability. J Pharmacol Toxicol Methods 2000, 44: 235–249. 10.1016/S1056-8719(00)00107-6
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
Ntie-Kang F, Amoa Onguéné P, Fotso GW, Andrae-Marobela K, Bezabih M, Ndom JC, Ngadjui BT, Ogundaini AO, Abegaz BM, Mbaze LM: Virtualizing the p-ANAPL library: a step towards drug discovery from African medicinal plants. PLoS ONE 2014, 9: e90655. 10.1371/journal.pone.0090655