基于结构的药物设计的进展,针对前列腺癌中的膜蛋白标记物
João P Batista-Silva1, Diana Gomes1, Sérgio F Sousa2
1CICS-UBI-Health Sciences Research Centre, University of Beira Interior, 6201-506 Covilhã, Portugal; UCIBIO-Applied Molecular Biosciences Unit, Chemistry Department, NOVA School of Science and Technology, Universidade NOVA de Lisboa, 2829-516 Caparica, Portugal; Associate Laboratory i4HB-Institute for Health and Bioeconomy, NOVA School of Science and Technology, Universidade NOVA de Lisboa, 2819-516 Caparica, Portugal.
Drug discovery today
|August 5, 2024
概括
本综述探讨了前列腺癌 (PCa) 生物标志物的计算机辅助药物设计. 计算方法加速了针对PCa进展至关重要的膜蛋白的新疗法的发现.
科学领域:
- 在瘤学瘤学.
- 计算生物学 计算生物学
- 药物发现 药物发现 药物发现
背景情况:
- 前列腺癌 (PCa) 是男性癌症死亡的主要原因.
- 缺乏有效的生物标志物和调节剂导致PCa预后不佳.
- 膜蛋白 (MPs) 参与PCa的发展和进展,代表潜在的治疗点.
研究的目的:
- 审查PCa的计算机辅助药物设计 (CADD) 的进展.
- 突出基于结构的CADD方法来准膜结合的PCa生物标志物.
- 为了解决针对生物标志物和抑制剂发现的MP的实验限制.
主要方法:
- 在前列腺癌研究中对CADD的当前文献的综述.
- 专注于基于结构的计算方法.
- 对CADD在选化合物与膜蛋白标中的作用的分析.
主要成果:
- CADD提供了对膜蛋白的关键结构见解.
- 计算方法加快了大型复合库的选.
- 在PCa治疗中,CADD有助于领先的识别和优化.
结论:
- CADD,特别是基于结构的方法,提供了一个强大的策略,以克服针对国会议员的实验性挑战.
- 这种计算方法可以显著加速新型PCa生物标志物和治疗抑制剂的发现.
- 用CADD准膜结合的PCa生物标志物有望改善患者的预后.
