Docking phân tử là gì? Các công bố khoa học về Docking phân tử

Ung thư đại tràng đang gia tăng với tỷ lệ cao và gừng (Zingiber officinale), như một loại thuốc thảo dược thông dụng, được gợi ý là một tác nhân tiềm năng cho ung thư đại tràng. Nghiên cứu này nhằm xác định các thành phần sinh học hoạt tính và các cơ chế tiềm năng của gừng trong việc phòng ngừa ung thư đại tràng bằng phương pháp tiếp cận dược lý mạng tích hợp.

Các thành phần khả thi của gừng và các mục tiêu liên quan đã được phát hiện từ cơ sở dữ liệu TCMSP và Swiss target prediction. Sau đó, các mục tiêu tương tác với ung thư đại tràng được thu thập từ các cơ sở dữ liệu Genecards, OMIM và Drugbank. Phân tích con đường KEGG và phân tích làm giàu GO đã được thực hiện để khám phá các con đường tín hiệu liên quan đến gừng trong các liệu pháp điều trị ung thư đại tràng. Mạng lưới PPI và mạng lưới hợp chất-mục tiêu-bệnh được xây dựng bằng Cytoscape 3.8.1. Cuối cùng, phần mềm Discovery studio được sử dụng để xác nhận các gen chính và các thành phần hoạt tính từ gừng.

Sáu hợp chất hoạt động tiềm năng, 285 mục tiêu tương tác cùng với 1356 mục tiêu liên quan đến bệnh đã được thu thập, trong đó thu được 118 mục tiêu giao nhau. Tổng cộng có 34 mục tiêu chính bao gồm PIK3CA, SRC và TP53 đã được xác định thông qua phân tích mạng PPI. Các mục tiêu này chủ yếu tập trung vào các quá trình sinh học liên quan đến tín hiệu phosphatidylinositol 3-kinase, phản ứng tế bào với stress oxy hóa và phản ứng tế bào với kích thích hormone peptide. Sự làm giàu KEGG cho thấy rằng ba con đường tín hiệu có liên quan chặt chẽ đến việc phòng ngừa ung thư đại tràng bằng gừng, bao gồm các con đường ung thư, kháng hormone nội tiết và viêm gan B. TP53, HSP90AA1 và JAK2 được coi là các gen quan trọng nhất, được xác thực thông qua mô phỏng docking phân tử.

Nghiên cứu này chứng minh rằng gừng có tác dụng phòng ngừa ung thư đại tràng bằng cách điều chỉnh nhiều mục tiêu và nhiều con đường với nhiều thành phần khác nhau. Dữ liệu kết hợp này cung cấp cái nhìn mới cho các hợp chất từ gừng phát triển thành thuốc mới cho việc chống ung thư đại tràng.

Nghiên cứu này cung cấp một phân tích toàn diện về mô hình QSAR được thực hiện trên 25 dẫn xuất aryl sulfonamide nhằm dự đoán nồng độ có hiệu quả (EC₅₀) chống lại virus cúm A H5N1 bằng cách sử dụng một số thông tin số học được từ các đặc điểm cấu trúc và hóa học (đặc trưng) của các hợp chất để tạo ra một mô hình có ý nghĩa thống kê. Tiếp theo, các mô phỏng docking phân tử đã được thực hiện nhằm xác định các chế độ gắn kết của một số ligand mạnh mẽ trong tập dữ liệu với protein kênh proton M2 của virus cúm A H5N1 như là mục tiêu.

Trong việc xây dựng mô hình QSAR, nhiệm vụ thuật toán di truyền đã được sử dụng trong việc chọn lựa biến của các đặc trưng được dùng để hình thành phương trình hồi quy đa tuyến tính. Mô hình với các đặc trưng, RDF100m, nO và RDF45p, thể hiện các tham số xác thực nội tại và ngoại tại thỏa đáng (R²_train = 0.72963, R²_{điều chỉnh} = 0.67169, Q²_cv = 0.598, $$ {R}_{\mathrm{pred}}^2= $$Rpred2= 0.67295, R²_test = 0.6860) đã vượt qua các tiêu chí chấp nhận mô hình. Kết quả mô phỏng docking của các hợp chất mạnh hơn (ligand 2, 3 và 8) tiết lộ sự hình thành liên kết hydrphobic và liên kết hydro với các vị trí gắn kết của protein M2 của virus cúm A.

Các kết quả trong nghiên cứu này có thể giúp nâng cao việc nghiên cứu thiết kế (thiết kế in silico) và tổng hợp các dẫn xuất aryl sulfonamide giống như chất ức chế mạnh mẽ hơn đối với virus cúm H5N1.