May 9th, 2025
W tym badaniu wykorzystano strategie in-silico, aby zidentyfikować enumerowaną etrawirynę jako obiecujący środek terapeutyczny dla HIV. Nasze odkrycia dotyczące interakcji molekularnych i dynamiki wspierają racjonalne projektowanie nowych NNRTI jako możliwych alternatyw leczenia HIV.
Badania koncentrują się na komputerowym wspomaganiu projektowania leków w celu opracowania nowych innowacyjnych leków lub zmiany przeznaczenia obecnie istniejących leków na choroby związane z Afryką. Okej, więc w naszej dziedzinie mamy obecnie wiele aplikacji uczenia maszynowego, które ludzie rozwijają, i to jest coś, co chcemy również włączyć do naszej grupy, aby zaprojektować leki beta. Obecnie korzystamy z tak zwanych obliczeń o wysokiej wydajności i to właśnie przyspiesza nasze badania, wykorzystując zarówno technologię CPU, jak i GPU, aby szybciej uzyskiwać wyniki podczas eksperymentowania.
W tej chwili informatyka jest wciąż bardzo nową dziedziną badań, a studenci często nie radzą sobie z tym, co należy zrobić, więc potrzeba im trochę więcej czasu, aby nauczyć się dyscypliny. Ostatnio mamy kilka naturalnych produktów, które udało nam się wyizolować, a które są znane w Afryce, a obecnie są stosowane w leczeniu SARS-CoV-2, na co patrzymy. Aby rozpocząć, przejdź do ikony okna na ekranie monitora i kliknij ją.
Wybierz wszystkie aplikacje i przewiń w dół, aby zlokalizować folder Schrodinger. Otwórz folder i kliknij ikonę Maestro. Wybierz opcję Otwórz, aby uruchomić oprogramowanie.
Aby pobrać strukturę białka, kliknij kartę pliku i wybierz Pobierz PDB z menu podręcznego. Wprowadź wybrany kod PDB w polu tekstowym i kliknij przycisk Pobierz. Wybrany plik PDB pojawi się w oknie projektu.
Alternatywnie można pobrać białko z banku danych o białkach, wpisując identyfikator PDB w polu wyszukiwania i klikając przycisk Pobierz. W Maestro przejdź do zakładki Plik i wybierz opcję Importuj struktury. W interfejsie importu znajdź pobrany plik PDB i kliknij przycisk Importuj.
Teraz wybierz strukturę białka i kliknij ją prawym przyciskiem myszy. Wybierz przygotowane białko, kliknij prawym przyciskiem myszy, wybierz opcję Podziel i podziel na ligandy, wodę i inne. Otwórz bazę danych PubChem i wpisz nazwę związku w pasku wyszukiwania, aby pobrać związek chemiczny.
Przejrzyj dostępne struktury, kliknij przycisk Pobierz i wybierz opcję 3D-Conformer (3D-Former), aby zapisać współrzędne konstrukcji jako plik danych strukturalnych (SDF). Kliknij zakładkę Plik w Schrödinger i wybierz Importuj struktury. Przejdź do lokalizacji, w której zapisany jest plik SDF i załaduj związek.
Kliknij Zadanie w Schrödinger, wpisz LigPrep w pasku wyszukiwania i wybierz je. Kliknij opcję Użyj struktur z, aby wybrać pliki z tabeli obszaru roboczego lub projektu. Wybierz preferowane opcje w oknie LigPrep i kliknij przycisk Uruchom, aby przesłać zadanie do przygotowania liganda.
Wizualizuj przygotowane ligandy w oknie oprogramowania. Otwórz oprogramowanie do optymalizacji geometrii konstrukcji. Przejdź do zakładki Plik i wybierz Otwórz, aby wybrać pobrany plik SDF z PubChem.
Przejdź do karty Obliczanie i wybierz opcję Ustawienia obliczeń Gaussa. Na karcie typu zadania wybierz opcję Optymalizacja lub Optymalizacja plus częstotliwość. Teraz przejdź do zakładki Metoda i wybierz metodę Chemia kwantowa.
Z menu rozwijanych wybierz Cone Sham Global Hybrid Exchange Correlation Density Function, Basis Set, Charge i Spin do wyboru. Przejdź do zakładki Tytuł i wprowadź nazwę badanego związku. Przejdź do zakładki Link Zero i określ limit pamięci oraz procesory współużytkowane.
Usuń zaznaczenie pól Pełna ścieżka. Kliknij przycisk Edytuj na dole, aby zapisać plik wejściowy Gaussa w preferowanej lokalizacji z wybraną nazwą pliku jako Gaussowski plik zadania lub GJF. Przejdź do Zadań i wybierz Generowanie siatki receptorów, aby wykryć miejsce aktywne białka związane z ligandem kryształów rdzenia.
Kliknij przycisk Wybierz, aby zidentyfikować ligand, a następnie wybierz ligand współkrystalizowany. Kliknij przycisk Uruchom, aby przesłać siatkę do wygenerowania. W przypadku dokowania molekularnego przejdź do pozycji Zadania, wybierz pozycję Dokowanie liganda, a następnie wybierz pozycję Dokowanie glide Liganda.
Następnie załaduj plik siatki i wybierz ligandy z obszaru roboczego, korzystając z opcji Użyj liganda z. Zaznacz pole Wyświetl receptor u góry, dodaj odpowiednią nazwę zadania i prześlij zadanie, klikając przycisk Uruchom. Na karcie Ustawienia wybierz preferowaną metodę dokładności dokowania.
Skonfiguruj ograniczenia, takie jak wiązania wodorowe. Po przejrzeniu wszystkich ustawień kliknij przycisk Uruchom, aby rozpocząć proces dokowania. Przejrzyj wyniki dokowania i porównaj wyniki dokowania przed i po optymalizacji ligandów.
Wybierz parę zadokowanego białka i kompleksu liganda z nawigatora przestrzeni roboczej. Przejdź do sekcji Zadania, przejdź do narzędzia Ligand Designer i kliknij pozycję Analizuj obszar roboczy w oknie Projektant ligand. Aby wygenerować i ocenić nowe ligandy, wybierz Skanowanie izostatyczne z listy przepływu pracy, co implikuje metodę wzrostu, która rozszerza ligand poprzez dodawanie fragmentów do istniejących struktur molekularnych.
Przeanalizuj wyniki dokowania wyliczonych związków i zidentyfikuj związek o bardziej ujemnej wartości niż związek skrystalizowany minus 9,242. Następnie kliknij przycisk Zadanie i wybierz Desmond System Builder. W panelu System Builder wybierz kartę Solvation (Uaktualnianie).
Wybierz predefiniowany model rozpuszczalnika, który pasuje do kompleksu ligandów białkowych. Następnie wybierz kształt pudełka i metodę obliczania rozmiaru pudełka. Następnie wybierz kartę Jony i kliknij przelicz, aby zneutralizować system, dodając przeciwjony i ustawiając żądane stężenie roztworu.
Po przygotowaniu systemu wyświetl projekt w obszarze roboczym. Wybierz kompleks ligandów białkowych z nawigatora przestrzeni roboczej. Przejdź do Zadanie i wybierz Dynamika molekularna Desmond.
Załaduj kompleks białek ligandowych z obszaru roboczego w panelu Dynamika molekularna. Wybierz żądaną oś czasu symulacji z zakładki Symulacja. Wybierz NPT jako klasę zespołową.
Nazwij zadanie odpowiednio w panelu Dynamika molekularna. Napisz zadanie i kliknij przycisk Zamknij, aby wyjść z okna Dynamika molekularna. Prześlij pisemne zadanie przygotowania dynamiki molekularnej za pośrednictwem terminala lokalnego.
Po zakończeniu otwórz ukończone zadanie i kontynuuj czas symulacji od początkowo ustawionej osi czasu do żądanego czasu symulacji. Na przykład 100 nanosekund lub 200 nanosekund. Otwórz plik trajektorii i odtwórz trajektorię.
Wizualizuj, gdzie kompleks ligandów białkowych jest zrównoważony i zanotuj liczbę ramek. Prześlij zadanie za pośrednictwem terminala. Wyświetl zawartość pliku wyjściowego, aby przeanalizować wygenerowane wyniki, i pobierz plik CSV.
Otwórz plik CSV i zanotuj energię wiązania. Na koniec użyj pokazanego równania i oblicz swobodną energię wiązania kompleksu, uśredniając wartości energii wiązania określone dla każdej migawki w symulacji MD. Wykres punktowy przedstawia obserwowaną aktywność w porównaniu z przewidywaną aktywnością dla klasy pierwszej modelu QSAR.
Wykres przedstawia dopasowanie między klasą pierwszą jako zbiorem treningowym a nienukleotydowymi inhibitorami odwrotnej transkryptazy jako zestawem testowym w celu uzyskania wartości aktywności predykcyjnej. Zestaw treningowy dobrze pokrywał się z linią regresji, podczas gdy zestaw testowy miał niewielkie odchylenia. Siły oddziaływań między białkiem w różnych ligandach ujawniły wiązania wodorowe z lizyną 101 we wszystkich ligandach.
Symulacje dynamiki molekularnej wolnego białka ustabilizowały się po około 60 nanosekundach przy RMSD około 3,5 angstrema, potwierdzając wiarygodność protokołu. Wymieniono etrawirynę, która ustabilizowała się na poziomie 3,5. Angstremy wykazywały silniejsze i bardziej stabilne wiązanie w miejscu aktywnym wirusa HIV jednej odwrotnej transkryptazy w porównaniu z etrawiryną, która ustabilizowała się na poziomie 4,5 angstremów.
Oś czasu kontaktu z enumerowaną etrawiryną również wskazywała na silniejsze i bardziej stabilne interakcje w czasie.
To badanie koncentruje się na komputerowo wspomaganej projektowaniu leków w celu zidentyfikowania Enumerated Etravirine jako potencjalnego środka terapeutycznego dla HIV. Badanie wykorzystuje intensywne obliczenia i dynamikę molekularną do wsparcia racjonalnego projektowania nowych NNRTI.