Virtuális szűrés és molekuláris dinamika szimuláció A koleszterin -észter transzfer fehérje természetes termékgátlóktól

Absztrakt:

Célkitűzés

A koleszterin -észter -transzfer fehérje (CETP) természetes termékgátlóinak fejlesztése.

Módszerek A számítógépes technológiák alkalmazásával a nagy áteresztőképességű természetes termék-adatbázist az L6000-ben többkerekű virtuális szűrési stratégiákkal, például három precíziós gradienssel, a kombinált szabad energia számítással és a molekuláris dinamikai szimulációval (MD szimuláció) szkrínelték a CETP-gátlókra, például a molekuláris dokkolással.

Eredmények Összesen 19 jelölt vegyületet szűrünk, amelyek közül az első három vegyület a Cistanosidea, a Theaflavin és a Dimetylithositosperdate B. A kötési mód elemzése azt mutatta, hogy a fent említett vegyületek és a cél aktív zsebének erős kölcsönhatása is megerősítette a fent említett proteinLigand komplex stabilitását is. Következtetés Cistanosidea, Theaflavin és dimetlitoszpermát B felhasználható a lehetséges CETP -gátlók ólomvegyületeként. Kulcsszavak: CETP fehérje; diszlipidémia; természetes vegyület; kis molekuláris gátlók; virtuális szűrés; molekuláris dokkolás; molekuláris dinamikai szimuláció; cistanoside A; TheAflavin; dimetllitoszpermát b

Cistanche kiváló minőségű kiegészítők

A diszlipidémia az atherosclerosis és a szív- és érrendszeri betegségek kialakulásához kapcsolódik, és súlyos fenyegetést jelentemberi egészség- A sztatinok jelenleg a fő gyógyszerek a teljes koleszterin (TC) és az alacsony sűrűségű lipoprotein koleszterin (LDL-C) csökkentésére, és széles körben alkalmazzák a klinikai gyakorlatban. Sok kezelt diszlipidémiában szenvedő betegnél azonban a szív- és érrendszeri betegségek előfordulása és halálozása továbbra is magas [1]. Ezért más módszereket kell találni a szív- és érrendszeri és cerebrovaszkuláris betegségek kockázatának és halálozásának további csökkentésére. Az epidemiológiai vizsgálatok kimutatták, hogy a nagy sűrűségű lipoprotein koleszterin (HDL-C) a szívbetegség kockázatának független és erőteljes inverz előrejelzője, és a HDL-C szint növelése csökkentheti a maradék kardiovaszkuláris kockázatot a diszlipidémiában szenvedő betegek sztatinjainak felhasználásával [2]. A HDL az emberi plazmában két fő szubfrakcióra oszlik: a HDL2 és a HDL3, a hidratációs sűrűség szerint, amelyek eltérő anyagcsere -útvonalakkal és biológiai tulajdonságokkal rendelkeznek [3]. A koleszteril -észter -transzfer protein (CETP) egy plazma glikoprotein, amely elsősorban a HDL3 részecskékhez kötődik, és triglicerideket és koleszterin -észtereket transzferek a keringő lipoproteinek [4-5] között. A fordított koleszterin transzport (RCT) arra utal, hogy a túlzott koleszterin a makrofágokból az atheroscleroticus léziókban a májba a HDL -en keresztül a májba kerül [5]. A CETP -vel történő kezelés után a HDL hajlamos a lipolízisre és a máj lipáz és endothel lipáz módosítására, ezáltal kisebb HDL -részecskéket képezve, amelyek könnyen metabolizálódnak. A tanulmányok kimutatták, hogy a CETP aktivitása megnövekszik a metabolikus szindrómás betegekben, és szorosan kapcsolódik a korai ateroszklerózishoz és a magas kardiovaszkuláris kockázathoz [6]. Ezért a CETP gátlása fontos cél a HDL-C növelése és az atherosclerosis csökkentése érdekében [7].

1.2 Célfehérje előkészítése

A CETP fehérje kristályszerkezetét letöltöttük a PDB adatbázisból és elemezték. A faj emberi volt, az UniProt ID P11597 volt, a szekvencia hossza 493 aminosav volt. A fehérjét a Schrödinger szoftver protein -előkészítő varázsló moduljával készítettük [1 0]. Olyan műveleteket végeztünk, mint a kötési sorrend hozzárendelése és a hidrogén hozzáadása. Ha hiányoztak az oldalláncok, akkor a primer modult használták azok befejezéséhez. Ezután eltávolítottuk a vízmolekulákat és a kofaktorokat a fehérjében. Ezután a Propka módszert alkalmaztuk a fehérje aminosavmaradékok hidrogénkötés -hálózatának optimalizálására pH 7 -nél. 0. Végül az OPLS _4 erőmezőt használtuk a fehérjemenergia minimalizálására. Csak a hidrogénatomokat optimalizáltuk, és a gyökér átlagos térbeli eltérése (RMSD) 0,3 Å -re (1 Å=0. 1 nm) konvergált.

1.3 Az összetett könyvtár 3D -s szerkezetének előkészítése

Töltse le a HTS L6000 természetes termékkönyvtárát a TopScience adatbázisból. Az adatbázis 4320 természetes termékmonomert tartalmaz, gazdag forrásokkal, változatos szerkezetekkel és erős reprezentativitással. Importálja a 2D SDF fájlt a Schrödinger szoftverbe, használja a LIGPREP modulot az egyes szubsztrátumok 3D -s szerkezetének előkészítéséhez az OPLS _4 erőmező alapján, és meghatározza a koordinátákat, és használja az EPIK modulot az összes lehetséges sztereoizomer és kapcsolódó protonációs állapot meghatározásához.

1.4 Virtuális szűrés

A Schrödinger virtuális szűrési munkás modulját molekuláris dokkoláshoz használtuk [10]. Az elkészített vegyületek behozatala után a virtuális szűrési folyamatot négy módban végezték el.
(1) Nagy teljesítményű szűrés (HTV), megőrizve az egyes ligandumok összes sztereoizomerét, és csak egy konformációt választott ki minden egyes ligandumhoz, különféle sztereoizomerekkel. A dokkolás után tartsa meg a vegyületek 50% -át, a legjobb pontszámot a szűrés következő lépéséhez;
(2) Szabványos pontosságú (SP) dokkolás, csak az egyes ligandumok jó pontszámaival ellátott sztereoizomereket tartva, és csak egy konformációt választunk ki minden egyes ligandumhoz, különféle sztereoizomerekkel. A dokkolás után tartsa meg a vegyületek felső 20% -át, a legjobb pontszámot a szűrés következő lépéséhez;
(3) Extra pontosság (XP), csak a sztereoizomerek megtartása az egyes ligandumok legjobb pontszámaival, és csak egy konformációt választott ki minden egyes ligandumhoz, különböző sztereoizomerekkel. A dokkolás után tartsa meg a 100 legnépszerűbb vegyületet a szűrés következő lépésére;
(4) Molekuláris mechanika általánosított BornSurface terület (MM/GBSA) módszer a kötő szabad energia és az újratelepítés kiszámításához. A végül átvizsgált jelölt vegyületeket a 4ews kristályosított ligandumával való hasonlóság alapján csoportosítottuk. Az elemzési folyamatot elsősorban a ligandum modul csoportosulásával hajtottuk végre a Schrödingerben, és az üzemmód a mennyiség átfedésben volt. A jelölt vegyületeket ezután MM-GBSA alkalmazásával újratelepítettük, és a magas hozzáállási fokú vegyületeket a későbbi elemzéshez választottuk a szabad energia kötődése után.

1.5 Molekuláris dinamikai szimuláció

A fenti dokkolás során kapott kis molekulákat és fehérjekomplexeket használtuk a molekuláris dinamikai szimuláció kezdeti szerkezeteként [11]. A molekuláris dinamikai szimulációban használt proteinereje Amber14SB volt, és a vízmolekula volt a TIP3P hárompontos modellje. A dinamikus rendszerek minden csoportját vízmolekulákkal töltött köbméter dobozba helyeztük, és meghatároztuk a periodikus határfeltételeket. A rendszer töltési egyensúlyát nátrium- és klorid -ionok hozzáadásával érjük el. A szimuláció során a rendszert 1 0} 0 PS NVT együttes és NPT együttes szimulációkkal egyensúlyba helyeztük, és egy 50 ns-os termelési szimulációt végeztünk 2,0 fs idő lépéssel a fent említett állandó hőmérsékleti és a nyomás egyensúlyi körülményei között. A protein-ligandum komplex kölcsönhatását és kötési stabilitását a gyökér átlagos térbeli eltérés (RMSD), a gyökér átlagos négyzet ingadozásának (RMSF) és a protein oldószer-hozzáférhető felületének (SASA) kiszámításával elemeztük; A fehérje szerkezetének változásait a másodlagos szerkezeti konformációval elemeztük.