在Py-CoMFA,对接和分子动力学模拟中使用Leishmania (L.) amazonensis arginase抑制剂

科学领域:

• 药用化学 医学化学
• 寄生虫学的寄生虫学
• 计算生物学 计算生物学

背景情况:

• 莱什曼病是一种被忽视的热带疾病,影响着数百万人,主要是由于社会经济条件差.
• 目前的治疗依赖于有毒的五价抗氧化物,而药物耐药性的增加构成了重大挑战.
• 莱什马尼亚阿尔金酶 (ARG) 对寄生虫的致病性和生存至关重要,使其成为有前途的药物标.

研究的目的:

• 设计针对莱什曼尼亚阿基因酶 (ARG) 的新型抑制剂,用于潜在的莱什曼尼病治疗.
• 使用计算方法探索ARG抑制剂的结构-活性关系.
• 确定有希望的化合物,用于开发新的抗莱什曼治疗方法.

主要方法:

• 使用Py-CoMFA与34种不同抑制剂对抗Leishmania (L.) amazonensis ARG (LaARG) 的3D定量结构-活动关系 (3D-QSAR) 模型的构建.
• 分子对接模拟以确定酶的活性部位和基部位内的关键相互作用和有利的结构特征.
• 分子动力学模拟以评估蛋白质-连接体复合物的稳定性和结合亲和力.

主要成果:

• 3D-QSAR模型显示出高预测准确度,与实验中的pIC50值相对应得很好.
• 分子对接显示,基和环基团通过在全位的有利的疏水相互作用来增强结合.
• 两个胺化合物,7g和7k显示出具有显著的潜力作为全抑制剂,类似于已知的参考抑制剂.

结论:

• 计算建模为设计有效的莱什曼亚阿基纳酶抑制剂提供了强大的策略.
• 已识别的肉胺衍生物代表了开发下一代抗莱什曼药物的有希望的支架.
• 准Leishmania arginase提供了一种可行的方法,用于克服Leishmaniasis治疗中的现有的耐药性.