РАСЧЕТНЫЙ ИНСТРУМЕНТАРИЙ, МЕТОДЫ ВЫПОЛНЕНИЯ И РАЗВИТИЯ МОЛЕКУЛЯРНОГО ДОКИНГА ФЕРМЕНТОВ МЕДИЦИНСКОГО НАЗНАЧЕНИЯ


Цитировать

Полный текст

Открытый доступ Открытый доступ
Доступ закрыт Доступ предоставлен
Доступ закрыт Доступ платный или только для подписчиков

Аннотация

Проведение биомедицинских исследований в настоящее время все чаще опирается на сочетанное выполнение теоретических и экспериментальных изучений различных производных потенциального терапевтического назначения. Гармоничное сочетание отмеченных изучений обеспечивает высокую достоверность согласованности получаемых в результате таких работ данных. Важное место среди них отводится выполнению молекулярного докинга высокомолекулярных фармакологических соединений с разными лигандами их природного микроокружения. Перспективные результаты таких подходов в заметной мере присущи изучениям природных биокатализаторов - ферментов. Такие исследования направлены на выяснение механизма действия отмеченных агентов в биологических системах и обоснованию продуктивных способов получения новых высокоэффективных лекарственных средств ферментной природы. Проведение молекулярного докинга способствовало введению в исследовательский круг интересов гликозаминогликанов - компонентов эндотелиального гликокаликса защитного слоя сосудистой стенки. Выполнение молекулярного докинга с уточнением его данных методами молекулярной динамики оказалось результативным подходом для разработки теоретических моделей белок-гликозаминогликановых комплексов. Рассмотрены алгоритмы докинга и функции оценки, конформационные изменения структуры ферментов на короткой (пико- и наносекундной) и значительно более продолжительной шкале времени. Продемонстрировано как весомый вызов развития молекулярного докинга использование представлений о гибкости структуры ферментов благодаря приемам молекулярной динамики с моделированием всех степеней свободы в фермент-лигандном комплексе.

Полный текст

Доступ закрыт

Об авторах

А. В Максименко

ФГБУ «Национальный медицинский исследовательский центр кардиологии» Минздрава России

Email: alex.v.maks@mail.ru
доктор биологических наук, профессор, Институт экспериментальной кардиологии Российская Федерация, Москва

Список литературы

  1. Maksimenko A.V Development and application of targeted therapeutic protein conjugates. Russ. J. Gen. Chem. 2014; 84 (2): 357-63. https://doi.org/10.1134/S1070363214020376
  2. Maksimenko A.V. Results and achievements in the engineering of pharmacological enzymes for clinical application. Med. Res. Arch. 2018; 6 (1): 1-13. http://journals.ke-i.org/index.php/mra
  3. Максименко А.В. Молекулярные аспекты трансляционной кардиологии в исследованиях сосудистой стенки. Кардиология. 2017; 57 (7): 66-79. https://doi.org/10.18087/ cardio.2017.7.10008 htfps://doi.org/10.18087/cardio.2017.7.10008)
  4. Reitsma S., Slaaf D.W., Vink H., van Zandvoort M.A., onde Egbrink M.G. The endothelial glycocalyx: composition, function, and visualization. Pflüger's Arch. 2007; 454 (3): 345-59.
  5. Maksimenko A.V. Translational research into vascular wall function: regulatory effects of systemic and specific factors. J. Transl. Sci. 2017; 3 (2): 1-10. https://doi.org/10.15761/JTS.1000180
  6. Nieuwdorp M., Meuwese M.C., Vink H., Hoekstra J.B., Kastelein J.J., Stroes E.S.G. The endothelial glycocalyx: a potential barrier between health and vascular disease. Curr. Opin. Lipidol. 2005; 16: 507-11.
  7. Broekhuisen L.N., Moojij H.L., Kastelein J.J., Stroes E.S.G., Vink H., Nieuwdorp M. Endothelial glycocalyx as potential diagnostic and therapeutic target in cardiovascular disease. Curr. Opin. Lipidol. 2009; 20: 57-62.
  8. Максименко А.В. Эндотелиальный гликокаликс - настройщик сосудистого гомеоста за. Новые исследовательские задачи и перспективы защиты стенки кровеносных сосудов. Изв. АН. Сер. Хим. 2015; 64 (9): 2036-42.
  9. Yang J., Chi L. Characterization of structural motifs for interactions between glycosaminoglycans and proteins. Carbohydrate Res. 2017; 452: 54-63.
  10. Almond A. Multiscale modeling of glycosaminoglycan structure and dynamics: current methods and challenges. Curr. Opin. Struct. Biol. 2018; 50: 58-64. hffp://doi.org/10.1016/j. sbi.2017.11.008
  11. Sankaranarayanan N.V., Nagarajan B., Desai U.R. So you think computational approaches to understanding glycosaminoglycan - protein interactions are too dry and too rigid? Think again! Curr. Opin. Struct. Biol. 2018; 50: 91-100. http://doi.org/10.101ô/j.sbi.2017.12.004
  12. Griffith A.D., Rogers C.J., Miller C.M., Abrol R., Hsieh-Wilson L.C., Goddard III W.A. Predicting glycosaminoglycan surface protein interactions and implications for studying axonal growth. Proc. Natl. Acad. Sci. USA. 2017; (52): 13697-702. http://doi.org/10.1073/ pnas.1715093115
  13. Schulz-Gasch T., Stahl M. Binding site characteristics in structure-based virtual screening: evaluation of current docking tools. J. Mol. Model. 2003; 9: 47-57. http://doi.org/10.1007/ s00894-002-0112-y
  14. Xu D., Esko J.D. Demystifying heparan sulfate -protein interactions. Ann. Rev. Biochem. 2014; 83: 129-57. https://doi.org/10.1140/annurev-biochem-000713-035314
  15. Woods R.J., Tessier M.B. Computational glycoscience: characterizing the spatial and temporal properties of glycans and glycan-protein complexes. Curr. Opin. Struct. Biol. 2010; 20: 575-83.
  16. Zhou Z., Bates M., Madura J.D. Structure modeling, ligand binding, and binding affinity calculation (LR-MM-PBSA) of human heparanase for inhibition and drug design. Proteins: Structure, Function, and Bioinformatics. 2006; 65 (3): 580-92.
  17. Максименко А.В., Бибилашвили Р.Ш. Конформационные переходы на 3D модели бычьей тестикулярной гиалуронидазы при молекулярном докинге с гликозаминогликановыми лигандами. Биоорган. Химия. 2018; 44 (2): 147-57. http://doi.org/10.1134/S1068162018020048 http://doi.org/10.1134/S1068162018020048]
  18. Hage K.E., Brickel S., Hermelin S.,Gaulier G., Schmidt C., Bonacina L., van Keulen S.C., Bhattacharyya S., Chergui M., Hamm P., Rothlisberger U., Wolf J.-P., Meuwly M. Implication of short time scale dynamics on long time process. Struct. Dyn. 2017; 4: 061507. http:// doi.org/10.10ô3/1/499ô448
  19. Meng X.-Y., Zhang H.-X., Mezei M., Cui M. Molecular docking: a powerful approach for structure-based drug discovery. Curr. Comput. Aided Drug Des. 2011; 7 (2): 146-57.
  20. Zhang L., Ai H.-X., Li S.-M., Qi M.-Y., Zhao J., Liu H.-S. Virtual screening approach to identifying influenza virus neuraminidase inhibitors using molecular docking combined with machine-learning-based scoring function. Oncotarget. 2017; 8 (47): 83142-54.
  21. Jug G., Anderluh M., Tomasic T. Comparative evaluation of several docking tools for docking small molecule ligands to DC-SIGN. J. Mol. Model. 2015; 21: 164. http://doi.org/10.1007/ S00894-015-2713-2

Дополнительные файлы

Доп. файлы
Действие
1. JATS XML
Скачать

© ИД "Русский врач", 2020

Данный сайт использует cookie-файлы

Продолжая использовать наш сайт, вы даете согласие на обработку файлов cookie, которые обеспечивают правильную работу сайта.

О куки-файлах