Відкриття молекул з анти-COVID-19 активністю: взаємозв'язок між результатами скринінгу та докінгу

  • Дмитро Анохін Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0002-4958-2692
  • Сергій Коваленко Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0003-2222-8180
  • Павло Тростянко Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0002-1333-9375
  • Олександр Кириченко Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0002-6223-0990
  • Антон Захаров Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0002-9120-8469
  • Тетяна Зубатюк Меллонський науковий коледж, Університет Карнегі-Меллон, хімічний факультет, Піттсбург, Пенсильванія 15213, США https://orcid.org/0000-0002-2866-7849
  • Володимир Іванов Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0003-2297-9048
  • Олег Калугін Харківський національний університет імені В. Н. Каразіна, майдан Свободи 4, Харків, 61022, Україна https://orcid.org/0000-0003-3273-9259
DOI: https://doi.org/10.26565/2220-637X-2024-42-01
Ключові слова: QSAR, докінг, фармакофор, логістична регресія

Анотація

Дослідження представляє результати комбінованого підходу до теоретичного опису потенційної противірусної активності проти COVID-19. Виявлено, що фармакофорний скринінг, заснований на обмежених експериментальних даних щодо комплексів «білок-ліганд», може мати погану передбачувану здатність. Разом із тим побудова моделі на основі статистичного опису QSAR для даних, отриманих в результаті докінгу, може служити основою для адекватного прогнозу. Використання логістичної регресії, як варіанту класифікаційної функції, дозволило побудувати прогностичну модель для основної протеази Mpro.

Завантаження

##plugins.generic.usageStats.noStats##

Посилання

https://www.worldometers.info/coronavirus (Last updated: April 13, 2024, 01:00 GMT)

Jin Z et al. Structure of Mpro from SARS-CoV-2 and discovery of its inhibitors. Nature. 2020, 582(7811), 289–293. https://doi.org/10.1038/s41586-020-2223-y

Zhao Y et al. Crystal structure of SARS-CoV-2 main protease in complex with protease inhibitor PF-07321332. Protein Cell, 2022, 13(9), 689–693. https://doi.org/10.1007/s13238-021-00883-2

Yevsieieva, L. V.; Lohachova, K. O.; Kyrychenko, A. V.; Kovalenko, S. M.; Ivanov, V. V.; Kalugin O.N. Main and papain-like proteases as prospective targets for pharmacological treatment of coronavirus SARS-CoV-2. RSC Advances. 2023, 13, 35500-35524. https://doi.org/10.1039/D3RA06479D

Citarella, A.; Dimasi, A.; Moi, D.; Passarella, D.; Scala, A.; Piperno, A.; Micale, N. Recent Advances in SARS-CoV-2 Main Protease Inhibitors: From Nirmatrelvir to Future Perspectives. Biomolecules 2023, 13, 1339. https://doi.org/10.3390/biom13091339

Huang, C.; Shuai, H.; Qiao, J. et al. A new generation Mpro inhibitor with potent activity against SARS-CoV-2 Omicron variants. Sig Transduct Target Ther 2023, 8, 128. https://doi.org/10.1038/s41392-023-01392-w

Lohachova, K. O.; Sviatenko, A. S; Kyrychenko, A; Ivanov, V. V.; Langer, T.; Kovalenko, S. M.; Kalugin, O. N. Computer-aided drug design of novel nirmatrelvir analogs inhibiting main protease of Coronavirus SARS-CoV-2. Journal of Applied Pharmaceutical Science, 2024, 14(05), 232-239. http://doi.org/10.7324/JAPS.2024.158114

Pojtanadithee, P; Isswanich K; Buaban, K; Chamni, S, et al. A combination of structure-based virtual screening and experimental strategies to identify the potency of caffeic acid ester derivatives as SARS-CoV-2 3CLpro inhibitor from an in-house database. Biophysical Chemistry, 2024, 304, 107125. https://doi.org/10.1016/j.bpc.2023.107125

BIOVIA, Dassault Systemes, BIOVIA Draw 2018, San Diego: Dassault Systemes, 2018.

Berman, H.M.; Westbrook, J; Feng, Z; Gilliland, G.; Bhat, T.N.; Weissig H., Shindyalov, I.N.; Bourne, P.E. The Protein Data Bank. Nucleic Acids Research. 2000, 28, 235–242. doi: 10.1093/nar/28.1.235. URL: http://www.rcsb.org/

Yap, C.W. PaDEL-descriptor: an open source software to calculate molecular descriptors and fingerprints. J Comput Chem. 2011, 32(7), 1466–1474. http://doi.org/10.1002/jcc.21707

Hastie, T.; Tibshirani, R.; Friedman, J. The Elements of Statistical Learning. Springer Series in Statistics. 2009, 119–122. http://doi.org/10.1007/978-0-387-84858-7

Hosmer Jr, D. W.; Lemeshow, S.; Sturdivant, R. X. Applied Logistic Regression; John Wiley & Sons, 2013; Vol. 398.

Bilski, J.; Smol, J.; Kowalczyk, B.; Grzanek, K.; Izonin, I. Fast Computational Approach to the Levenberg-Marquardt Algorithm for Training Feedforward Neural Networks. Journal of Artificial Intelligence and Soft Computing Research. 2023, 12(2), 45-61. https://doi.org/10.2478/jaiscr-2023-0006

Moreau, G; Broto, P. Autocorrelation of a topological structure: A new molecular descriptor. Nouv. J. Chim. 1980, 4, 359–360.

Kier, L. B.; Hall, L. H. Molecular connectivity in chemistry and drug research, New York: Academic Press. 1976. https://doi.org/10.1016/b978-0-12-406560-4.x5001-6

Todeschini, R.; Consonni, V. Molecular descriptors for chemoinformatics, Weinheim: Wiley VCH. 2009, 27–37. https://doi.org/10.1007/b94608

James, G.; Witten, D.; Hastie, T.; Tibshiranu, R.; Taylor, J. Resampling Methods. in An Introduction to Statistical Learning, Springer Texts in Statistics, 2023, 201–226. https://doi.org/10.1007/978-3-031-38747-0_5

Fawcett, T. An Introduction to ROC Analysis. Pattern Recognition Letters. 2006, 27(8), 861-874. https://doi.org/10.1016/j.patrec.2005.10.010

Опубліковано
2024-06-21
Цитовано
Як цитувати
Анохін, Д., Коваленко, С., Тростянко, П., Кириченко, О., Захаров, А., Зубатюк, Т., Іванов, В., & Калугін, О. (2024). Відкриття молекул з анти-COVID-19 активністю: взаємозв’язок між результатами скринінгу та докінгу. Вісник Харківського національного університету імені В. Н. Каразіна. Серія «Хімія», (42), 6-14. https://doi.org/10.26565/2220-637X-2024-42-01
Номер
№ 42 (2024): Вісник Харківського національного університету імені В. Н. Каразіна. Серія «Хімія»
Розділ
Статті

Найбільш популярні статті цього автора (авторів)