يتطلب اشتراك JoVE لعرض هذا المحتوى. تسجيل الدخول أو ابدأ نسخة تجريبية مجانية

مقالة بحثية

التحليل الحسابي لمادة البلومباجين في سرطان البروستاتا باستخدام علم الصيدلة الشبكي ومحاكاة الديناميكا الجزيئية

96 مشاهدة

⸱

سبتمبر 11, 2026

 ,  ,  ,  ,  ,  ,  , 
1Department of Clinical Laboratory, DongGuan SongShan Lake Tungwah Hospital, 2Dongguan Key Laboratory of Medical Molecular Biology, 3Department of Hematology, DongGuan Tungwah Hospital, 4Department of Emergency, DongGuan Tungwah Hospital, 5School of Medical Technology, Guangdong Medical University, 6Department of Clinical Laboratory, DongGuan Tungwah Hospital

* These authors contributed equally

في هذه المقالة

ملخص

وظفت هذه الدراسة علم الصيدلة الشبكي ومحاكاة الديناميكا الجزيئية لاستقصاء الآليات والمسارات الجزيئية لمادة plumbagin في علاج سرطان البروستاتا. وتظهر النتائج أن plumbagin قد يرتبط بشكل مستقر بكل من AKT1، وESR1، وBCL2، وEGFR، وTNF، وMAPK3، وHSP90AA1، وSRC، وPPARG.

الملخص

يُعد سرطان البروستاتا مساهماً رئيساً في معدلات الوفيات المرتبطة بالسرطان بين الرجال. وبما أن العديد من المرضى لا يتم تشخيصهم إلا بعد تطور المرض إلى مرحلة متقدمة موضعياً أو مرحلة انتقالية، فإن العلاج الشفائي غالباً ما يصبح غير ممكن. وفي الدراسة الحالية، طبقنا نهجاً حاسوبياً متكاملاً يجمع بين علم الصيدلة الشبكي، والرسو الجزيئي، ومحاكاة الديناميكيات الجزيئية لاستكشاف الآليات الجزيئية المحتملة التي تكمن وراء التأثيرات العلاجية لمادة البلامباجين (plumbagin) في سرطان البروستاتا. تم تحديد الأهداف العلاجية المحتملة من خلال تحليل متكامل لقواعد البيانات، تلاه بناء شبكة تفاعل البروتينات-البروتينات، وتحليل الإثراء الوظيفي، والرسو الجزيئي، ومحاكاة الديناميكيات الجزيئية لتقييم استقرار التفاعلات بين البروتين والرابط. وقد كشفت تحليلاتنا الحاسوبية أن البلامباجين قد يشكل تفاعلات مستقرة مع أهداف مركزية متعددة، بما في ذلك كيناز السيرين/الثريونين AKT 1 (AKT1)، ومستقبل الإستروجين 1 (مستقبل الإستروجين ألفا (ESR1)، ومنظم موت الخلايا المبرمج BCL2 (BCL2)، ومستقبل عامل نمو البشرة مستقبل عامل نمو epidermal (EGFR)، عامل نخر الورم عامل نخر الورم (TNF)، كيناز البروتين المنشط بالميتوجين 3 (MAPK3)، بروتين الصدمة الحرارية 90 ألف، عائلة الفئة A، العضو 1 (HSP90AA1)، الجين الورمي الأولي SRC, تيروزين كيناز غير مستقبلاتي (SRC)، ومستقبل غاما المنشط بمكاثر البيروكسيسوم (PPARG), مما يشير إلى قدرته على تعديل المسارات الرئيسية المشاركة في تطور سرطان البروستاتا. وهذه في الحاسوب توفر هذه النتائج رؤى جديدة حول الآليات الجزيئية المحتملة لمادة plumbagin وتقدم مبرراً للتحقق التجريبي في المستقبل. ومع ذلك، فإن المزيد من في المختبر و في الجسم الحي ثمة حاجة إلى إجراء دراسات لتأكيد نشاطه الوظيفي وفعاليته العلاجية.

المقدمة

يُعد سرطان البروستاتا مرضاً غير متجانس، حيث تتراوح مظاهره السريرية من آفات يتم اكتشافها عبر الفحص الدوري دون ظهور أعراض وقد لا تتطور أبداً، إلى أورام خبيثة عدوانية، وهو سبب رئيسي للمراضة والوفيات في جميع أنحاء العالم1,2. ومن المتوقع عالمياً أن يتضاعف عدد الحالات الجديدة من سرطان البروستاتا من 1.4 مليون حالة في عام 2020 إلى 2.9 مليون حالة في عام 2040، بينما يُتوقع أن يرتفع عدد الوفيات السنوي من 375,0 حالة في عام 2020 إلى ما يقرب من 70,0 حالة في عام 20403. يُشخص سرطان البروستاتا في البداية كأورام خبيثة تعتمد على الأندروجين، ويكون قابلاً للعلاج باستخدام العلاج بحرمان الأندروجين. ومع ذلك، وبالرغم من الاستجابة الأولية الفعالة، يتطور المرض حتماً إلى شكل مستقل عن الأندروجين. ويكون المرضى الذين يعانون من سرطان البروستاتا المقاوم للهرمونات عرضة لخطر متزايد بشكل ملحوظ للإصابة بنقائل عظمية، مما يؤدي إلى آفات هيكلية ذات أهمية سريرية4,5,6,7. علاوة على ذلك، بينما يمكن علاج سرطان البروستاتا في مراحله المبكرة عن طريق الجراحة أو العلاج الإشعاعي، فإن العديد من المرضى يعانون بالفعل من مرض متقدم موضعياً أو منتشر عند التشخيص، وهو ما لا يوجد له علاج شافٍ حالياً8,9. ولذلك، هناك حاجة ملحة لتطوير عوامل فعالة وعالية الانتقائية للوقاية من نقائل سرطان البروستاتا و/أو علاجها.

لقد ثبت أن مجموعة متنوعة من المستخلصات الطبيعية، مثل الليكوبين، ومنتجات الصويا، والشاي الأخضر، وفينولات الرمان، والأبيجينين، بالإضافة إلى فيتاميني D و E، تمنع بشكل فعال تطور سرطان البروستاتا10,1,12,13. ويمتلك البلومباجين (PLB)، وهو مركب نافثوكينون طبيعي يتواجد على نطاق واسع في الطبيعة ومكون رئيسي في نبات Plumbago zeylanica، خصائص مضادة للعدوى14، ومضادة للالتهابات15، ومضادة لتصلب الشرايين16، ومضادة للأورام17,18. وقد أظهرت الدراسات أن PLB يمارس تأثيرات مضادة للأورام في أنواع مختلفة من الخلايا السرطانية، بما في ذلك سرطان الثدي، وسرطان الرئة غير صغير الخلايا، وسرطان الكبد، وسرطان البنكرياس، وسرطان القولون والمستقيم، وسرطان المبيض، وسرطان البروستاتا، والدبقيات، والورم الأرومي الشبكي19,20,21. كما أظهرت التجارب In vitro أن PLB يثبط تكاثر خلايا سرطان البروستاتا2,23. ويقوم PLB أيضاً بتنظيم تعبير البروتينات الدقيقة، مما يؤثر بدوره على سلوكيات خلوية متعددة في خلايا سرطان البروستاتا، بما في ذلك التحكم في الدورة الخلوية، والموت الخلوي المبرمج، والالتهام الذاتي، والتحول الظهاري المتوسط24,25. بالإضافة إلى ذلك، يؤخر PLB نمو الخلايا السرطانية المستقلة عن الأندروجين في نماذج الفئران التي زُرعت فيها طعوم غريبة تحت الجلد2,26.

على الرغم من أن العديد من الدراسات قد أظهرت أن PLB يثبط تكاثر وغزو خلايا سرطان البروستاتا، إلا أنه لا يوجد حالياً استقصاء منهجي للأهداف والمسارات التي يؤثر من خلالها PLB على هذه الخلايا. وباستخدام علم الصيدلة الشبكي، والارتباط الجزيئي، ومحاكاة الديناميكا الجزيئية، سعت هذه الدراسة إلى توضيح الأهداف والمسارات المحتملة التي تكمن وراء التأثيرات العلاجية لـ PLB في سرطان البروستاتا.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

البروتوكول

التنبؤ بالأهداف المحتملة لـ PLB وفحصها

تم الحصول على معلومات البنية الكيميائية لـ PLB من قاعدة بيانات PubChem (https://pubchem.ncbi.nlm.nih.gov/). وتم التنبؤ بالأهداف الجزيئية لـ PLB بناءً على التشابه ثنائي الأبعاد وثلاثي الأبعاد القائم على الرابط (ligand-based) باستخدام قواعد بيانات SwissTarget (https://swisstargetprediction.ch/index.php)، وSEA (https://sea.bkslab.org/)، وTargetNet (http://targetnet.scbdd.com/calcnet/index/)، وPharmMapper (https://www.lilab-ecust.cn/pharmmapper/index.html)، وقاعدة بيانات السموم الجينية المقارنة (CTD, https://ctdbase.org/)، ومنصة تحليل وقاعدة بيانات علم الصيدلة النظمي للطب الصيني التقليدي (TCMSP, https://www.tcmsp-e.com/index.php)، وHERB (http://herb.ac.cn/). ولضمان موثوقية البيانات وقابليتها للتكرار، تم تطبيق عتبات تصفية خاصة بكل قاعدة بيانات على النحو التالي: احتفظت TCMSP بالأهداف التي تبلغ توافرها الحيوي الفموي (OB) ≥ 30% ومستوى تشابهها مع الأدوية (DL) ≥ 0.18؛ واحتفظت SwissTargetPrediction بالمدخلات التي تبلغ احتمالية التنبؤ بها ≥ 0.5؛ واختارت PharmMapper الأهداف التي تبلغ درجة الملاءمة المعيارية لها ≥ 4.0؛ وشملت SEA فقط الأهداف ذات القيمة E-value < 0.01 باعتبارها مثرية بشكل ملحوظ؛ واحتفظت TargetNet بالأهداف التي تبلغ احتمالية التنبؤ بها > 0.5؛ وشملت CTD فقط الأهداف ذات الأدلة المنسقة (المستنتجة من التفاعلات بين المواد الكيميائية والجينات) وبدرجة تفاعل > 0.3؛ واحتفظت HERB بالأهداف ذات الدرجة المدعومة بالأدبيات العلمية ≥ 0.4. وتم توحيد جميع معرفات البروتينات المسترجعة من قواعد البيانات المذكورة أعلاه إلى رموز جينات HGNC البشرية الرسمية باستخدام قاعدة بيانات UniProt (https://www.uniprot.org/)، مع قصر الأنواع على Homo sapiens. وبعد إزالة المدخلات المكررة من جميع المصادر، تم الحصول على إجمالي 50 هدف فريد مرتبط بـ PLB للتحليل اللاحق.

استرجاع الجينات المرتبطة بسرطان البروستاتا

تم الحصول على الجينات المرتبطة بسرطان البروستاتا من GeneCards (https://www.GeneCardss.org/)، وDrugBank (https://go.drugbank.com/)، وCTD، وHERB. وطُبقت معايير اشتمال خاصة بكل قاعدة بيانات لضمان موثوقية البيانات؛ حيث احتفظت GeneCardss بالجينات التي حصلت على درجة صلة ≥ 0.5، لأن هذا الحد يستوعب الجينات ذات الأدلة المتوسطة إلى القوية التي تربطها بالمرض محل البحث. وشملت DrugBank فقط المدخلات ذات الأدلة التجريبية (مثل الأدوية المعتمدة من FDA أو الأدوية قيد البحث لعلاج سرطان البروستاتا) واستبعدت التفاعلات المتوقعة حاسوبياً أو النظرية. أما CTD فقد احتفظت فقط بالسجلات ذات مستويات الأدلة المصنفة كـ ""marker"" أو ""mechanism"" بناءً على تفاعلات الكيماويات والجينات والأمراض المنسقة. وشملت HERB الأهداف ذات درجة الثقة المدعومة أدبياً ≥ 0.4 لضمان وجود أدلة تجريبية أو أدلة مستخرجة من النصوص كافية. وتم توحيد جميع رموز الجينات وفقاً لتسميات HGNC عبر قاعدة بيانات UniProt (https://www.uniprot.org/)، مع قصر الأنواع على Homo sapiens، كما تمت إزالة التكرارات، مما أسفر عن 1,19 هدفاً فريداً مرتبطاً بسرطان البروستاتا للتحليل اللاحق.

تحديد الأهداف المتداخلة وتصحيح تعليقات التضارب

تَمّ تقاطع الـ 50 هدف لـ PLB والـ 1,19 هدف لسرطان البروستاتا باستخدام رموز HGNC الموحدة في برنامج Venny 2.1 (https://bioinfogp.cnb.csic.es/tools/venny/index.html)، مما أسفر عن 151 هدفاً مرشحاً متداخلاً. ولحل تعارضات التوصيف بين قواعد البيانات، تم تنفيذ مسار تصحيح مكون من ثلاث خطوات: (1) توحيد التناقضات في الأسماء المستعارة للجينات عبر أداة تعيين معرفات UniProt؛ (2) استبعاد الجينات المكررة المتوازية (paralogous) باستخدام برنامج CD‑HIT مع حد تشابه في التسلسل > 0.4؛ (3) الاحتفاظ بالتوصيفات الوظيفية المتعارضة فقط إذا كانت مدعومة بقاعدتي بيانات مستقلتين على الأقل، بينما تم استبعاد الأوصاف المتعارضة الفريدة الواردة من مصدر واحد.

بناء الشبكة وتحديد المراكز

تم بناء شبكة تفاعلات البروتين-بروتين (PPI) عن طريق إدخال الأهداف المتداخلة في قاعدة بيانات STRING (الإصدار 12.0، https://cn.string-db.org/)، مع قصر البحث على Homo sapiens. وقد تم الاحتفاظ فقط بالتفاعلات التي سجلت درجة ثقة مجمعة ≥ 0.70 لضمان الموثوقية العالية، واستُبعدت من الشبكة جميع العقد التي تفتقر إلى أي اتصالات. تمت معاينة شبكة PPI المبنية وتحليلها طوبولوجياً باستخدام برنامج Cytoscape (الإصدار 3.10.2)، وبعد ذلك تم تحديد الجينات المركزية (hub genes) باستخدام إضافة cytoHubba، مع اعتماد خوارزمية MCC (Maximal Clique Centrality) كخوارزمية تصنيف أساسية، ومقياس الدرجة (Degree) كمعيار تكميلي للتحقق المتقاطع.

تحليل الإثراء الوظيفي

تم إجراء تحليل التوصيف الوظيفي للأنطولوجيا الجينية (GO) وتحليلات إثراء مسارات موسوعة كيوتو للجينات والجينومات (KEGG) للجينات ذات التعبير التفاضلي باستخدام منصة التحليل المعلوماتي الحيوي عبر الإنترنت (https://www.bioinformatics.com.cn، تم الدخول إليها آخر مرة في 4 مايو 2026). تعتمد المنصة اختبار فيشر الدقيق لحساب قيم P الخام، واستُخدمت طريقة بنجاميني-هوتشبرج (BH) لتصحيح الاختبارات المتعددة للتحكم في معدل الاكتشاف الكاذب (FDR). واعتُبرت مصطلحات GO (العملية البيولوجية، والمكون الخلوي، والوظيفة الجزيئية) ومسارات KEGG التي كانت قيمة FDR لها < 0.05 ذات إثراء معنوي.

الرسو الجزيئي

تَم الحصول على التراكيب البلورية لبروتينات الهدف المختارة، والتي تمثل التشكيلات النشطة، من بنك بيانات البروتينات RCSB (https://www.rcsb.org/). أُجري تحضير البروتين باستخدام برنامج Discovery Studio، وشمل ذلك إزالة جزيئات الماء والذرات غير المتجانسة، وحذف السلاسل المكررة، وإصلاح البقايا المفقودة، وإضافة ذرات الهيدروجين عند pH 7.4، وتعيين شحنات Gasteiger، وتقليل الطاقة إلى الحد الأدنى. تم تحديد جيب الارتباط بناءً على إحداثيات الربيطة المبلورة المشتركة، باستخدام شبكة تشمل جميع بقايا ارتباط الركيزة الحرجة. نُفذ الإرساء الجزيئي لـ PLB باستخدام خادم SwissDock الإلكتروني (http://www.swissdock.ch/) عبر وحدة Attracting Cavities. حُسبت طاقات الارتباط الحرة لتقييم الألفة، واختير التشكيل ذو الطاقة الأدنى لكل هدف كوضعية الإرساء النهائية. كما تم تصور نتائج محاكاة الإرساء الجزيئي للتحقق من صحتها.

محاكاة الديناميات الجزيئية

أُجريت محاكاة الديناميكا الجزيئية (MD) باستخدام برنامج GROMACS 202.2. واستُخدم حقل القوة Amber14SB لوصف البروتين، مع إذابة النظام في ماء TIP3P. تم توليد معاملات Plumbagin، بما في ذلك الشحنات الجزئية AM1-BCC وأنواع الذرات GAFF2، باستخدام Antechamber، متبوعة بتحويل الطوبولوجيا بواسطة ACPYPE وتعيين معاملات الأيونات Joung-Cheatham. وُضع كل معقد بروتين-ربيطة في صندوق محاكاة ثنائي عشر وجهًا مقتطعًا بمسافة دنيا بين البروتين والصندوق تبلغ 1.2 nm، وأُذيب بجزيئات ماء TIP3P، وتم تعادُل الشحنات بإضافة 0.15 M Na⁺/Cl⁻. وبعد تقليل الطاقة باستخدام خوارزمية الانحدار الأكثر حدة (Fmax < 1,0 kJ·mol⁻1·nm⁻1)، خضع النظام لعمليتي توازن متتاليتين NVT و NPT لمدة 200 ps لكل منهما عند 298 K. ثم أُجريت محاكاة الإنتاج لمدة 20 ns تحت ظروف NPT بخطوة زمنية للتكامل تبلغ 2 fs باستخدام مخطط قطع Verlet. حُسبت التفاعلات الكهروستاتيكية بعيدة المدى بطريقة particle mesh Ewald (PME)، بينما اعتمدت كل من التفاعلات الكهروستاتيكية وتفاعلات van der Waals مسافة قطع تبلغ 1.2 nm. واستُخدمت خوارزمية LINCS لتقييد الروابط التي تحتوي على الهيدروجين. حوفظ على درجة الحرارة عند 298 K باستخدام منظم الحرارة Nosé-Hoover والضغط عند 1 bar باستخدام منظم الضغط Parrinello-Rahman. حُفظت الإحداثيات كل 10 ps للتحليلات اللاحقة. وأُجري تحليل المسار والتصور باستخدام أدوات GROMACS و VMD و PyMOL، بينما نُفذت حسابات طاقة الارتباط الحرة MM-PBSA باستخدام gmx_MMPBSA حيثما كان ذلك مناسبًا.

تقييم التوازن لمسارات الديناميكا الجزيئية وبروتوكول أخذ عينات الطاقة الحرة بطريقة MM-PBSA

بالنسبة لكل معقد بروتين–plumbagin، تم إجراء محاكاة ديناميكا جزيئية إنتاجية شاملة للذرات لمدة 200 ns باستخدام برنامج GROMACS. تم تحديد النقطة الزمنية 10 ns كحد للتوازن: حيث خُص الجزء من 0–10 ns كمرحلة استرخاء تشكلي، خضع خلالها الهيكل البروتيني وجيب ارتباط الليجاند لتعديلات تشكلية مستمرة؛ بينما تم تحديد الجزء من 10–20 ns كمنطقة استقرار ديناميكي حراري، وهو ما ثبت من خلال غياب الانزياح أحادي الاتجاه في كل من RMSD، ونصف قطر الدوران (Rg)، وRMSF لكل بقية، وSASA المدفونة لليجاند، والروابط الهيدروجينية بين الجزيئات، وطاقات التفاعل بين الليجاند والمستقبل، والتي أظهرت فقط تقلبات طفيفة في الحالة المستقرة. تم حساب جميع المعاملات الحركية الكمية وطاقات الارتباط الحرة MM/PBSA حصرياً من مرحلة التوازن 10–20 ns، والتي استُخلصت منها الإطارات بانتظام كل 10 ps، مما نتج عنه 1,0 لقطة توازن لكل نظام كمدخلات لبرنامج gmx_MMPBSA. تم استبعاد أول 10 ns من مسارات الاسترخاء للقضاء على التداخل الناتج عن الانزياح التشكلي في حسابات الطاقة الحرة.

التحليل الإنذاري للجينات المستهدفة في سرطان البروستاتا

أُجريت تحليلات التنبؤ باستخدام مجموعات بيانات سرطان البروستاتا من أطلس جينوم السرطان (TCGA). تم الحصول على بيانات تسلسل الحمض النووي الريبي (STAR-counts) والمعلومات السريرية المقابلة لها من بوابة Genomic Data Commons (https://portal.gdc.cancer.gov). حُوّلت أعداد التعبير الجيني إلى عدد النسخ لكل مليون (TPM) وتم تطبيعها باستخدام log2(TPM + 1). وبعد استبعاد العينات ذات المعلومات السريرية غير المكتملة، شمل التحليل 498 حالة. استُخدم متوسط مستوى التعبير لكل جين لتقسيم المرضى إلى مجموعات ذات تعبير مرتفع ومنخفض. أُجري تحليل البقاء على قيد الحياة باستخدام منهج كابلان-ماير (Kaplan-Meier) مع اختبار رتبة السجلات (log-rank test) وانحدار كوكس للمخاطر النسبية أحادي المتغير لتقييم البقاء الإجمالي (OS) لـ SRC والبقاء الخالي من تطور المرض (PFS) لـ MAPK3، مع تسجيل نسب المخاطر (HRs) وفواصل الثقة 95% (CIs). كما تم تقييم الأداء التنبؤي بشكل أكبر من خلال إنشاء منحنيات خصائص تشغيل المستقبل (ROC) المعتمدة على الوقت عند 1 و3 و5 سنوات. أُجريت التحليلات الإحصائية باستخدام برنامج R الإصدار 4.0.3، واعتُبرت القيمة P < 0.05 ذات دلالة إحصائية.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

النتائج

نتائج تنبؤ أهداف PLB وسرطان البروستاتا

رقم التعريف الكيميائي (CID) لمركب PLB في قاعدة بيانات PubChem هو 10205، واسمه وفقاً للاتحاد الدولي للكيمياء البحتة والتطبيقية (IUPAC): 5-hydroxy-2-methylnaphthalene-1,4-dione، وصيغته المبتسمة (SMILES): CC1=CC(=O)C2=C(C1=O)C=CC=C2O، ومفتاح InChIKey: VCMMXZQDRFWYSE-UHFFFAOYSA-N، وصيغة InChI: InChI=1S/C11H8O3/c1-6-5-9(13)10-7(11(6)14)3-2-4-8(10)12/h2-5,12H,1H3، ووزنه الجزيئي: 188.18، وصيغته الجزيئية: C11H8O3، ورقم تسجيل خدمة ملخصات الكيمياء ...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

المناقشة

أظهرت الدراسات أن AKT1 و ESR1 و BCL2 و EGFR و TNF و MAPK3 و HSP90AA1 و SRC و PPARG تؤدي أدواراً متنوعة في تعزيز تطور السرطان. ويُعد مسار إشارات فوسفاتيديل إينوسيتول 3-كيناز (PI3K)/بروتين كيناز السيرين/ثريونين (AKT)/الهدف الميكانيكي للراباميسين (mTOR) مساراً حيوياً لنقل الإشارات داخل الخلايا ينظم عمليات فيزيولوجية مرضية مختلفة، بما في ذلك نمو الخلايا، وتكاثرها، والموت الخلوي المبرمج، وتكون الأوعية الدموية، والاستجابات الالتهابية، والانجذاب الكيميائي43. ويُعتبر AKT كينازاً هدفياً هاماً في المصب لـ P...

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

الإفصاحات

يصرح المؤلفون بعدم وجود أي تضارب في المصالح.

المواد

قائمة المواد المستخدمة في هذه المقالة
الاسمالشركةرقم فهرسيالتعليقات
قاعدة بيانات السموم الجينية المقارنةالمعهد الوطني لدراسات الصحة والبيئة، المعهد الوطني للاضطرابات العصبية والسكتة الدماغيةhttps://ctdbase.org/تعد قاعدة بيانات التفاعلات الكيميائية والسموم (CTD) قاعدة بيانات قوية ومتاحة للعموم، تهدف إلى تعزيز الفهم حول كيفية تأثير التعرضات البيئية على صحة الإنسان.
توفر هذه القاعدة معلومات منقحة يدويًا حول التفاعلات بين المواد الكيميائية والجينات/البروتينات، والعلاقات بين المواد الكيميائية والأمراض، وبين الجينات والأمراض. وتُدمج هذه البيانات مع البيانات الوظيفية وبيانات المسارات للمساعدة في تطوير فرضيات حول الآليات الكامنة وراء الأمراض المتأثرة بالبيئة.
سيتوسكيب (Cytoscape)معهد بيولوجيا الأنظمة (ISB)، ليروي هودhttps://cytoscape.org/صُمم البرنامج في البداية خصيصاً لشبكات التفاعل الجزيئي الحيوي، ولكنه تطور الآن ليصبح منصة متعددة الاستخدامات لتحليل الشبكات المعقدة، ويُطبق على نطاق واسع في مجالات مثل المعلوماتية الحيوية، وطب النظم، والشبكات الاجتماعية، والشبكات الدلالية.
قاعدة بيانات DAVIDالمعاهد الوطنية للصحة (NIH)https://davidbioinformatics.nih.gov/list.jspتُعد منصة DAVID، وهي اختصار لـ Database for Annotation, Visualization and Integrated Discovery، المنصة المجانية الأكثر كلاسيكية وانتشاراً عبر الإنترنت للتوصيف الوظيفي لمجموعات الجينات وتحليل الإثراء.
DrugBankجامعة ألبرتا، كنداhttps://go.drugbank.com/تُعد DrugBank نظام التشغيل الاستخباري للصناعات الدوائية الحيوية، حيث توفر المعرفة الطبية الحيوية الأكثر شمولاً وهيكلة للمساعدة في تطوير العلاجات من مرحلة الاكتشاف وصولاً إلى التأثير على المرضى.
جين كارد (GeneCard)LifeMap Scienceshttps://www.genecards.org/تعد GeneCards قاعدة بيانات تكاملية قابلة للبحث، توفر معلومات شاملة وسهلة الاستخدام حول جميع الجينات البشرية المشروحة والمتوقعة. وتعمل قاعدة المعرفة هذه على دمج البيانات التي تتمحور حول الجينات تلقائياً من 193 مصدراً إلكترونياً، بما في ذلك المعلومات الجينومية، والترانسكريبتومية، والبروتومية، والجينية، والسريرية، والوظيفية.
gmx_MMPBSAجامعة كولومبيا في ميديلينhttps://valdes-tresanco-ms.github.io/gmx_MMPBSA/أداة gmx_MMPBSA، وهي أداة مفتوحة المصدر لحساب الطاقة الحرة طورها Valdéاعتُمدت طريقة s-Tresanco وآخرون لحساب طاقات الارتباط الحرة استناداً إلى منهجيتي MM/PBSA وMM/GBSA. وبناءً على محرك MMPBSA.py من مجموعة AmberTools، يقوم البرنامج بمعالجة ملفات المسار (trajectory files) الناتجة عن برنامج GROMACS مباشرةً دون الحاجة إلى تحويل يدوي للتنسيق. كما أُجري تحليل تفكيك الطاقة على مستوى البقايا (Residue-wise energy decomposition)، والمسح الحاسوبي بالألانين (computational alanine scanning)، وتصحيح الإنتروبيا لتقدير مساهمات الارتباط للأحماض الأمينية الرئيسية، واستُخدمت وحدة gmx_MMPBSA_ana المدمجة للتحليل الإحصائي وتصور مكونات الطاقة.
GROMACSالمعهد الملكي للتكنولوجيا (KTH)، جامعة أوبسالاwww.gromacs.orgيُعد GROMACS حزمة برمجية متعددة الاستخدامات لإجراء محاكاة الديناميكيات الجزيئية، أي محاكاة معادلات نيوتن للحركة لأنظمة تحتوي على مئات إلى ملايين الجسيمات، وهو مشروع مدفوع بمساهمات المجتمع. نرحب بالمساهمات بأشكال عديدة، بما في ذلك تحسينات التوثيق، والرقع البرمجية لإصلاح الأخطاء، وتقديم المشورة في المنتديات، وبلاغات الأخطاء التي تتيح لنا إعادة إنتاج المشكلة، وإضافة وظائف جديدة.
عشبةجامعة بكين للطب الصيني، جامعة بكين للطب الصيني.http://herb.ac.cn/قاعدة بيانات للأدوية الصينية التقليدية تعتمد على المراجع والتجارب عالية الإنتاجية.
PharmMapperكلية العلوم والتكنولوجيا الصيدلانية / كلية علوم وهندسة المعلومات، جامعة شرق الصين للعلوم والتكنولوجياhttps://www.lilab-ecust.cn/pharmmapper/index.htmlيُعد خادم PharmMapper خادم ويب متاحاً مجانًا، صُمم لتحديد المرشحين المحتملين للأهداف الجزيئية لجزيئات المسبار الصغيرة المعطاة (الأدوية، أو المنتجات الطبيعية، أو المركبات الأخرى المكتشفة حديثًا والتي لم تُحدد أهداف ارتباطها بعد) باستخدام نهج رسم خرائط الفارماكوفور. وبفضل طريقة رسم الخرائط عالية الكفاءة والمتانة، يتميز PharmMapper بقدرة إنتاجية عالية ويمكنه تحديد المرشحين المحتملين للأهداف من قاعدة البيانات في غضون ساعات قليلة.
PubChemالمعاهد الوطنية للصحة (NIH)https://pubchem.ncbi.nlm.nih.gov/تعد قاعدة بيانات PubChem قاعدة بيانات كيميائية مفتوحة في المعاهد الوطنية للصحة (NIH).
PyMOLشيرودر (Schruder)öدينجرhttps://pymol.orgبرنامج PyMOL، الذي طوره في البداية Warren Lyford DeLano وتتولى صيانته حالياً شركة Schrödingeröتعد شركة PyMOL, Inc. أداة تصوير جزيئي متعددة المنصات مُعتمدة على نطاق واسع في البيولوجيا التركيبية واكتشاف الأدوية بمساعدة الحاسوب. وقد تم تحميل تراكيب معقدات البروتين والرابطة التي تم تنزيلها من RCSB PDB إلى برنامج PyMOL لتصور هيئات الارتباط، والروابط الهيدروجينية، وبقايا الأحماض الأمينية الرئيسية المتفاعلة. كما تم إنتاج التراكب التركيبي، وتصوير الأسطح، والرسومات الجزيئية عالية الدقة المخصصة للنشر العلمي عبر واجهة برمجة Python المدمجة.
بنك بيانات البروتينات RCSBمختبر الأبحاث التعاوني للمعلوماتية الحيوية البنيويةhttps://www.rcsb.org/يعمل بنك بيانات البروتينات التابع لمختبر أبحاث المعلوماتية الحيوية البنيوية (RCSB PDB) كمركز بيانات في الولايات المتحدة ضمن اتحاد بنك بيانات البروتينات العالمي (wwPDB)، والذي أسسته وقادته هيلين م. بيرمان عام 198. ويقوم المركز بأرشفة البنى الذرية ثلاثية الأبعاد المحددة تجريبياً للبروتينات والأحماض النووية ومعقداتها، والتي تم تحليلها بواسطة حيود الأشعة السينية، والمجهر الإلكتروني المبرد، وطيف الرنين المغناطيسي النووي (NMR)، كما يدمج الملايين من نماذج بنية البروتينات المتوقعة بواسطة الذكاء الاصطناعي من AlphaFold. وتدعم البوابة الإلكترونية البحث متعدد الأبعاد، والتصور الجزيئي ثلاثي الأبعاد في الوقت الفعلي، وتنزيل ملفات الإحداثيات بنظام الدفعات، وتدوينات المراجع المتقاطعة التي تربط البيانات البنيوية بوظائف الجينات والأمراض والربيطات الجزيئية الصغيرة، وهي موارد مستخدمة على نطاق واسع في دراسات تحديد الأهداف والالتحام الجزيئي.
تحليل العناصر الطيفية مختبر شوكيت في قسم الكيمياء الصيدلانية بجامعة كاليفورنيا، سان فرانسيسكو (UCSF)https://sea.bkslab.org/يعمل نهج مجموعة التشابه (SEA) على ربط البروتينات بناءً على التشابه الكيميائي لمجموعات ربيطاتها. ويمكن استخدامه للبحث السريع في قواعد بيانات المركبات الضخمة وبناء خرائط تشابه عابرة للأهداف.
قاعدة بيانات STRINGالتحالف العالمي للبيانات الحيوية (Global Biodata Coalition) وإليكسير (ELIXIR).https://cn.string-db.org/تُعد STRING قاعدة بيانات للتفاعلات البروتينية-البروتينية المعروفة والمتوقعة. وتشمل هذه التفاعلات ارتباطات مباشرة (فيزيائية) وغير مباشرة (وظيفية)؛ وهي مستمدة من التنبؤ الحوسبي، ومن نقل المعرفة بين الكائنات الحية، ومن التفاعلات المجمعة من قواعد بيانات (أولية) أخرى.
خادم الويب Swiss Dock مجموعة النمذجة الجزيئية في جامعة لوزان والمعهد السويسري للمعلوماتية الحيوية SIBhttps://www.swissdock.ch/يُعد SwissDock خدمة إلكترونية تتنبأ بالتفاعلات الجزيئية المحتمل حدوثها بين بروتين مستهدف وجزيء صغير.
SwissTarget مجموعة النمذجة الجزيئية في SIB | المعهد السويسري للمعلوماتية الحيويةhttps://swisstargetprediction.ch/index.phpيتيح لك هذا الموقع تقدير الأهداف الجزيئية الكبيرة الأكثر احتمالاً لجزيء صغير، يُفترض أنه نشط بيولوجياً. وتستند هذه التوقعات إلى مزيج من التشابه ثنائي الأبعاد وثلاثي الأبعاد مع مكتبة تضم 370,0 مادة نشطة معروفة تؤثر على أكثر من 300 بروتين من ثلاثة أنواع مختلفة.
تارجت نت (TargetNet)البيولوجيا الحسابية & مجموعة تصميم الأدويةhttp://targetnet.scbdd.com/calcnet/index/يُعد TargetNet خادماً إلكترونياً مفتوحاً يمكن استخدامه لشبك أو التنبؤ بارتباط أهداف متعددة لأي جزيء معين.
قاعدة بيانات ومنصة تحليل فارماكولوجيا النظم للطب الصيني التقليديشركة Zhejiang Jiwei Health المحدودةhttps://www.tcmsp-e.com/index.phpتُعد منصة TCMSP منصة فريدة في علم الصيدلة النظمي للأدوية العشبية الصينية، حيث ترصد العلاقات بين الأدوية والأهداف والأمراض. وتتضمن قاعدة البيانات المواد الكيميائية، والأهداف، وشبكات التفاعل بين الدواء والهدف، والشبكات المرتبطة بالدواء والهدف والمرض، بالإضافة إلى الخصائص الحركية الدوائية للمركبات الطبيعية، بما في ذلك التوافر الحيوي الفموي، والتشابه الدوائي، ونفاذية الظهارة المعوية، والحاجز الدموي الدماغي.  والذوبانية المائية وما إلى ذلك. وقد أثار هذا الاختراق العلمي اهتماماً جديداً بالبحث عن عقاقير مرشحة في أنواع مختلفة من الأعشاب الصينية التقليدية.
قاعدة بيانات UniProtالمعهد الأوروبي للمعلوماتية الحيوية (EMBL-EBI)، والمعهد السويسري للمعلوماتية الحيوية (SIB)، ومورد معلومات البروتين (PIR)https://www.uniprot.org/تعد UniProt القاعدة العالمية’المورد الرائد عالي الجودة والشامل والمتاح مجانًا لمعلومات تسلسل البروتين ووظائفه
أداة Venny 2.1 عبر الإنترنتالمركز الوطني للتكنولوجيا الحيويةíأ، (CNB-CSIC)https://bioinfogp.cnb.csic.es/tools/venny/index.htmlيتكون Venny من ملف html قياسي واحد. يمكنك حفظه على القرص الصلب الخاص بك، وفتحه باستخدام متصفحك المفضل، والبدء في رسم مخططات فين (Venn diagrams) رائعة في غضون ثوانٍ، حتى بدون اتصال بالإنترنت.
VMDمجموعة أبحاث الفيزياء الحيوية النظرية والحوسبية (TCBG) في معهد بكمان، جامعة إلينوي في أوربانا شامبين، الولايات المتحدة الأمريكيةVisual Molecular Dynamics (VMD) هو برنامج متخصص في التصوير والتحليل الجزيئي، وهو مصمم لمساعدة المستخدمين على تصور البنية الجزيئية والنتائج المستخلصة من محاكاة الديناميكا الجزيئية. تم تطوير VMD في جامعة إلينوي في أوربانا-شامبين (University of Illinois at Urbana-Champaign) من قبل T. Humphrey Ware، ويتم صيانته حالياً من قبل مجموعة البحث الخاصة بـ Ken D. Smith. يتميز VMD بقدرته على التعامل مع الأنظمة الجزيئية الكبيرة جداً، ويوفر ميزات متقدمة لإخراج الصور والرسوم المتحركة عالية الجودة. كما يتميز بمرونة عالية بفضل دعمه للغة Tcl وPython، مما يسمح للمستخدمين بكتابة نصوص برمجية لأتمتة المهام وتحليل البيانات. يدعم VMD مجموعة واسعة من تنسيقات الملفات الشائعة، مما يجعله أداة قياسية في مجالات الكيمياء الحيوية، والبيولوجيا الحاسوبية، وعلم المواد.يُعد برنامج VMD (Visual Molecular Dynamics) برنامجاً مجانياً متعدد المنصات للتصور الجزيئي وتحليل المسارات، وقد طورته مجموعة الفيزياء الحيوية النظرية والحاسوبية بقيادة البروفيسور Klaus Schulten في جامعة University of Illinois Urbana-Champaign. ويدعم البرنامج هياكل PDB القياسية ومسارات الديناميكا الجزيئية (MD) الناتجة عن برامج GROMACS وNAMD وAmber، مع توفير أنماط متنوعة للتجسيد الجزيئي وواجهة برمجة نصية مدمجة بلغة Tcl. وقد أُجريت تحليلات كمية تشمل جذر متوسط مربع الانحراف (RMSD)، وإشغال الروابط الهيدروجينية، ومساحة السطح المتاحة للمذيب (SASA)، وهندسة جيب ارتباط اللجين، وذلك لتوصيف التفاعلات الديناميكية بين البروتين واللجين والتقلبات التشكيلية.

المراجع

  1. Bray F, et al. Global cancer statistics 2022: GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries. CA Cancer J Clin. 2024;74(3):229-63.
  2. Loeb S, et al. Overdiagnosis and overtreatment of prostate cancer. Eur Urol. 2014;65(6):1046-55.
  3. James ND, et al. The Lancet Commission on prostate cancer: planning for the surge in cases. Lancet. 2024;403(10437):1683-722.
  4. Bussard KM, Gay CV, Mastro AM. The bone microenvironment in metastasis: what is special about bone? Cancer Metastasis Rev. 2008;27(1):41-55.
  5. Keller ET, et al. New trends in the treatment of bone metastasis. J Cell Biochem. 2007;102(5):1095-102.
  6. Kingsley LA, Fournier PG, Chirgwin JM, Guise TA. Molecular biology of bone metastasis. Mol Cancer Ther. 2007;6(10):2609-17.
  7. Valdespino V, Tsagozis P, Pisa P. Current perspectives in the treatment of advanced prostate cancer. Med Oncol. 2007;24(3):273-86.
  8. Albertsen P. Predicting survival for men with clinically localized prostate cancer: what do we need in contemporary practice? Cancer. 2008;112(1):1-3.
  9. So A, Gleave M, Hurtado-Col A, Nelson C. Mechanisms of the development of androgen independence in prostate cancer. World J Urol. 2005;23(1):1-9.
  10. Gupta S. Prostate cancer chemoprevention: current status and future prospects. Toxicol Appl Pharmacol. 2007;224(3):369-76.
  11. Patel D, Shukla S, Gupta S. Apigenin and cancer chemoprevention: progress, potential, and promise. Int J Oncol. 2007;30(1):233-45.
  12. Kallifatidis G, Hoy JJ, Lokeshwar BL. Bioactive natural products for chemoprevention and treatment of castration-resistant prostate cancer. Semin Cancer Biol. 2016;40-41:160-9.
  13. Montuori E, et al. Marine natural products with activities against prostate cancer: recent discoveries. Int J Mol Sci. 2023;24(2):1435.
  14. de Paiva SR, Figueiredo MR, Aragão TV, Kaplan MAC. Antimicrobial activity in vitro of plumbagin isolated from Plumbago species. Mem Inst Oswaldo Cruz. 2003;98(7):959-61.
  15. Luo P, et al. Anti-inflammatory and analgesic effect of plumbagin through inhibition of nuclear factor-κB activation. J Pharmacol Exp Ther. 2010;335(3):735-42.
  16. Sharma I, Gusain D, Dixit VP. Hypolipidaemic and antiatherosclerotic effects of plumbagin in rabbits. Indian J Physiol Pharmacol. 1991;35(1):10-4.
  17. Awale S, et al. Targeting pancreatic cancer with novel plumbagin derivatives: design, synthesis, molecular mechanism, in vitro and in vivo evaluation. J Med Chem. 2023;66(12):8054-65.
  18. Zhang R, Jiang Q, Guo R, Guo K, Qiu J. Unveiling the power of plumbagin: revitalizing exhausted T cells to combat tongue cancer. Cancer Cell Int. 2025;25(1):271.
  19. Panichayupakaranant P, Ahmad MI. Plumbagin and its role in chronic diseases. Adv Exp Med Biol. 2016;929:229-46.
  20. Kuete V, et al. Cytotoxicity of plumbagin, rapanone, and 12 other naturally occurring quinones from Kenyan flora towards human carcinoma cells. BMC Pharmacol Toxicol. 2016;17(1):60.
  21. Gharbaran R, Shi C, Onwumere O, Redenti S. Plumbagin induces cytotoxicity via loss of mitochondrial membrane potential and caspase activation in metastatic retinoblastoma. Anticancer Res. 2021;41(10):4725-32.
  22. Aziz MH, Dreckschmidt NE, Verma AK. Plumbagin, a medicinal plant-derived naphthoquinone, is a novel inhibitor of the growth and invasion of hormone-refractory prostate cancer. Cancer Res. 2008;68(21):9024-32.
  23. Powolny AA, Singh SV. Plumbagin-induced apoptosis in human prostate cancer cells is associated with modulation of cellular redox status and generation of reactive oxygen species. Pharm Res. 2008;25(9):2171-80.
  24. Qiu JX, et al. Plumbagin elicits differential proteomic responses mainly involving cell cycle, apoptosis, autophagy, and epithelial-to-mesenchymal transition pathways in human prostate cancer PC-3 and DU145 cells. Drug Des Devel Ther. 2015;9:349-417.
  25. Wang F, et al. Plumbagin induces cell cycle arrest and autophagy and suppresses epithelial-to-mesenchymal transition involving the PI3K/Akt/mTOR-mediated pathway in human pancreatic cancer cells. Drug Des Devel Ther. 2015;9:537-60.
  26. Lai L, et al. Plumbagin inhibits tumour angiogenesis and tumour growth through the Ras signalling pathway following activation of the VEGF receptor-2. Br J Pharmacol. 2012;165(4b):1084-96.
  27. Wu WI, et al. Crystal structure of human AKT1 with an allosteric inhibitor reveals a new mode of kinase inhibition. PLoS One. 2010;5(9):e12913.
  28. Bai L, et al. A potent and selective small-molecule degrader of STAT3 achieves complete tumor regression in vivo. Cancer Cell. 2019;36(5):498-511.e17.
  29. Fanning SW, et al. The SERM/SERD bazedoxifene disrupts ESR1 helix 12 to overcome acquired hormone resistance in breast cancer cells. Elife. 2018;7:e37161.
  30. Suraweera CD, Caria S, Järvå M, Hinds MG, Kvansakul M. A structural investigation of NRZ-mediated apoptosis regulation in zebrafish. Cell Death Dis. 2018;9(10):967.
  31. Boulanger MJ, Chow DC, Brevnova EE, Garcia KC. Hexameric structure and assembly of the interleukin-6/IL-6 α-receptor/gp130 complex. Science. 2003;300(5628):2101-4.
  32. Jia Y, et al. Overcoming EGFR(T790M) and EGFR(C797S) resistance with mutant-selective allosteric inhibitors. Nature. 2016;534(7605):129-32.
  33. Dos Santos Nascimento IJ, da Silva-Júnior EF. TNF-α inhibitors from natural compounds: an overview, CADD approaches, and their exploration as anti-inflammatory agents. Comb Chem High Throughput Screen. 2022;25(14):2317-40.
  34. Chaikuad A, et al. A unique inhibitor binding site in ERK1/2 is associated with slow binding kinetics. Nat Chem Biol. 2014;10(10):853-60.
  35. Brasca MG, et al. Discovery of NMS-E973 as a novel, selective, and potent inhibitor of heat shock protein 90. Bioorg Med Chem. 2013;21(22):7047-63.
  36. Gurbani D, et al. Structure and characterization of a covalent inhibitor of Src kinase. Front Mol Biosci. 2020;7:81.
  37. Gellrich L, et al. L-thyroxin and the nonclassical thyroid hormone TETRAC are potent activators of PPARγ. J Med Chem. 2020;63(13):6727-40.
  38. Weng Z, Shen X, Zheng J, Liang H, Liu Y. Structural basis of DEPTOR to recognize phosphatidic acid using its tandem DEP domains. J Mol Biol. 2021;433(13):166989.
  39. Huck JD, et al. Structures of Hsp90α and Hsp90β bound to a purine-scaffold inhibitor reveal an exploitable residue for drug selectivity. Proteins. 2019;87(10):869-77.
  40. Luo G, et al. Discovery of isonicotinamides as highly selective, brain-penetrable, and orally active glycogen synthase kinase-3 inhibitors. J Med Chem. 2016;59(3):1041-51.
  41. Orlando BJ, Malkowski MG. Crystal structure of rofecoxib bound to human cyclooxygenase-2. Acta Crystallogr F Struct Biol Commun. 2016;72(Pt 10):772-6.
  42. Nuti E, et al. Development of thioaryl-based matrix metalloproteinase-12 inhibitors with alternative zinc-binding groups: synthesis, potentiometric, NMR, and crystallographic studies. J Med Chem. 2018;61(10):4421-35.
  43. Li Q, Li Z, Luo T, Shi H. Targeting the PI3K/AKT/mTOR and RAF/MEK/ERK pathways for cancer therapy. Mol Biomed. 2022;3(1):47.
  44. Wang B, et al. Propofol protects against hydrogen peroxide-induced injury in cardiac H9c2 cells via Akt activation and Bcl-2 up-regulation. Biochem Biophys Res Commun. 2009;389(1):105-11.
  45. Majewska E, Szeliga M. AKT/GSK3β signaling in glioblastoma. Neurochem Res. 2017;42(3):918-24.
  46. Yang H, et al. mTOR kinase structure, mechanism, and regulation. Nature. 2013;497(7448):217-23.
  47. Fong CJ, Sherwood ER, Mendelsohn J, Lee C, Kozlowski JM. Epidermal growth factor receptor monoclonal antibody inhibits constitutive receptor phosphorylation, reduces autonomous growth, and sensitizes androgen-independent prostatic carcinoma cells to tumor necrosis factor α. Cancer Res. 1992;52(21):5887-92.
  48. Visakorpi T, Kallioniemi OP, Koivula T, Harvey J, Isola J. Expression of epidermal growth factor receptor and ERBB2 (HER-2/Neu) oncoprotein in prostatic carcinomas. Mod Pathol. 1992;5(6):643-8.
  49. Ibrahim GK, et al. Differential immunoreactivity of epidermal growth factor receptor in benign, dysplastic, and malignant prostatic tissues. J Urol. 1993;149(1):170-3.
  50. Davies P, Eaton CL. Binding of epidermal growth factor by human normal, hypertrophic, and carcinomatous prostate. Prostate. 1989;14(2):123-32.
  51. Bahar ME, Kim HJ, Kim DR. Targeting the RAS/RAF/MAPK pathway for cancer therapy: from mechanism to clinical studies. Signal Transduct Target Ther. 2023;8(1):455.
  52. Guo YJ, et al. ERK/MAPK signalling pathway and tumorigenesis. Exp Ther Med. 2020;19(3):1997-2007.
  53. Ullah R, Yin Q, Snell AH, Wan L. RAF-MEK-ERK pathway in cancer evolution and treatment. Semin Cancer Biol. 2022;85:123-54.
  54. Chambard JC, Lefloch R, Pouysségur J, Lenormand P. ERK implication in cell cycle regulation. Biochim Biophys Acta. 2007;1773(8):1299-310.
  55. Gesmundo I, et al. Proton pump inhibitors promote the growth of androgen-sensitive prostate cancer cells through ErbB2, ERK1/2, PI3K/Akt, GSK-3β signaling and inhibition of cellular prostatic acid phosphatase. Cancer Lett. 2019;449:252-62.
  56. Schopf FH, Biebl MM, Buchner J. The HSP90 chaperone machinery. Nat Rev Mol Cell Biol. 2017;18(6):345-60.
  57. García-Alonso S, et al. Structure of the RAF1-HSP90-CDC37 complex reveals the basis of RAF1 regulation. Mol Cell. 2022;82(18):3438-52.e8.
  58. Chiosis G, Digwal CS, Trepel JB, Neckers L. Structural and functional complexity of HSP90 in cellular homeostasis and disease. Nat Rev Mol Cell Biol. 2023;24(11):797-815.
  59. Li J, Buchner J. Structure, function, and regulation of the Hsp90 machinery. Biomed J. 2013;36(3):106-17.
  60. Youssef ME, et al. Role of ganetespib, an HSP90 inhibitor, in cancer therapy: from molecular mechanisms to clinical practice. Int J Mol Sci. 2023;24(5):5014.
  61. Solit DB, Scher HI, Rosen N. Hsp90 as a therapeutic target in prostate cancer. Semin Oncol. 2003;30(5):709-16.
  62. Hoter A, Rizk S, Naim HY. The multiple roles and therapeutic potential of molecular chaperones in prostate cancer. Cancers (Basel). 2019;11(8):1194.
  63. Moon SJ, et al. Bruceantin targets HSP90 to overcome resistance to hormone therapy in castration-resistant prostate cancer. Theranostics. 2021;11(2):958-73.
  64. Li J, et al. Androgen-targeted hsa_circ_0085121 encodes a novel protein and improves the development of prostate cancer through facilitating the activity of the PI3K/Akt/mTOR pathway and enhancing AR-V7 alternative splicing. Cell Death Dis. 2024;15(11):848.
  65. Taneja SS, et al. Toremifene: a promising therapy for the prevention of prostate cancer and complications of androgen deprivation therapy. Expert Opin Investig Drugs. 2006;15(3):293-305.
  66. Yang J, et al. Protective effect of Fuzi Lizhong decoction against non-alcoholic fatty liver disease via an anti-inflammatory response through regulation of p53 and PPARG signaling. Biol Pharm Bull. 2020;43(11):1626-33.
  67. Sui Q, et al. Ganoderic acid A: an in-depth review of pharmacological effects and molecular docking analysis. J Ethnopharmacol. 2025;349:119868.
  68. Zhang T, et al. PPARG is a potential target of Tanshinone IIA in prostate cancer treatment: a combination study of molecular docking and dynamic simulation based on transcriptomic bioinformatics. Eur J Med Res. 2023;28(1):487.
  69. Astakhova A, et al. Inhibitors of oxidative phosphorylation modulate astrocyte inflammatory responses through AMPK-dependent Ptgs2 mRNA stabilization. Cells. 2019;8(10):1185.
  70. Liu Y, Cai Y, He C, Chen M, Li H. Anticancer properties and pharmaceutical applications of plumbagin: a review. Am J Chin Med. 2017;45(3):423-41.
  71. Ahmad I, et al. Synergistic inhibition of colon cancer cell proliferation via p53, Bax, and Bcl-2 modulation by curcumin and plumbagin combination. ACS Omega. 2025;10(18):19045-60.
  72. Bello IJ, Oyebode OT, Olanlokun JO, Omodara TO, Olorunsogo OO. Plumbagin induces testicular damage via mitochondrial-dependent cell death. Chem Biol Interact. 2021;347:109582.
  73. Hafeez BB, et al. Plumbagin inhibits prostate carcinogenesis in intact and castrated PTEN knockout mice via targeting PKCε, Stat3, and epithelial-to-mesenchymal transition markers. Cancer Prev Res (Phila). 2015;8(5):375-86.
  74. Kumar MR, et al. Formulation of plumbagin-loaded long-circulating pegylated liposomes: in vivo evaluation in C57BL/6J mice bearing B16F1 melanoma. Drug Deliv. 2011;18(7):511-22.
  75. Mandala Rayabandla SK, et al. Preparation, in vitro characterization, pharmacokinetic, and pharmacodynamic evaluation of chitosan-based plumbagin microspheres in mice bearing B16F1 melanoma. Drug Deliv. 2010;17(3):103-13.
  76. Tiwari SB, Pai RM, Udupa N. Temperature-sensitive liposomes of plumbagin: characterization and in vivo evaluation in mice bearing melanoma B16F1. J Drug Target. 2002;10(8):585-91.
  77. Onoue S, Yamada S, Chan HK. Nanodrugs: pharmacokinetics and safety. Int J Nanomedicine. 2014;9:1025-37.

الوصول مقيد. يرجى تسجيل الدخول أو بدء فترة تجريبية لعرض هذا المحتوى.

إعادة الطباعة والأذونات

استكشف المزيد من المقالات

العلاج بالبلومباجينالالتحام الجزيئيشبكة تفاعل البروتيناتالإثراء الوظيفيتفاعل البروتين والرابطالأهداف العلاجيةتطور السرطان
تواصل معنا
أوصِ به للمكتبة

الخصوصية

شروط الاستخدام

السياسات

حقوق الطبع والنشر © 2026 MyJoVE Corporation. جميع الحقوق محفوظة.