通过计算探索识别apigenin作为针对SARS-CoV-2的多目标抑制剂

科学领域:

• 药理学和病毒学
• 计算机化药物发现技术

背景情况:

• 严重急性呼吸道综合征冠状病毒2 (SARS-CoV-2) 需要多目标治疗策略.
• 现有的治疗方法往往只针对单个点,因此需要研究多点药物.
• 原蛋白具有已知的抗病毒和抗炎性质.

研究的目的:

• 综合探索阿皮基宁对抗SARS-CoV-2的潜在治疗效果和机制.
• 为了确定apigenin可能抑制的特定SARS-CoV-2点.
• 评估与已识别的标的apigenin的结合亲和力和稳定性.

主要方法:

• 网络算法 (VDA-KATZ) 用于药物目标预测.
• 深度学习模型 (CSatDTA) 用于药物向 afinity 预测.
• 分子对接,分子动力学 (MD) 模拟和正常模式分析 (NMA) 用于结合和稳定性评估.

主要成果:

• VDA-KATZ预测阿皮金因是潜在的SARS-CoV-2治疗药物.
• CSatDTA确定了apigenin对多个SARS-CoV-2点的潜在结合:甲素L (CTSL),膜 (M),包裹 (E),类似收费受体4 (TLR4),核因子-kappa B (NF-κB),NLRP3,ASC和Caspase-1.
• 分子对接,MD模拟和NMA证实了apigenin与这些点的有效结合和稳定性.

结论:

• 原蛋白作为一种针对SARS-CoV-2的多位抑制剂.
• 它有效地准病毒的进入,聚集和相关的细胞因子风暴.
• 原蛋白为新型SARS-CoV-2治疗策略提供了一个有希望的候选者.