$$\rightleftharpoonup{xx}$$
$$\longleftharp{xx}$$,
$$\longrightharp{xx}$$,
Todos os procedimentos de farmacologia da rede foram realizados de acordo com as Diretrizes para Métodos de Avaliação da Farmacologia da Rede21. O fluxo de trabalho abrangente de farmacologia de rede adotado neste estudo é ilustrado esquematicamente na Figura 2.
Síntese de derivados de tiazolona
Os derivados de tiazolona neste estudo foram sintetizados em nosso trabalho anterior19, por meio de uma reação de propargilação assimétrica remota catalisada por cobre. A reação utilizou CuI como catalisador e um ligante quiral Pybox (L1) como núcleo de estereocontrole, em um sistema de base DIPEA e solvente de metanol a -10 °C por 48 h, alcançando alto acoplamento enantiosseletivo entre ésteres de propargílico e tiazolonas. O produto alvo foi obtido com um rendimento de até 89%, uma razão enantiomérica (er) de 97,8:2,2 e uma razão diastereomérica (dr) de 17,8:1. Para obter informações detalhadas sobre os métodos de síntese desta série de compostos, consulte estudos anteriores19. Este método demonstrou ampla aplicabilidade do substrato, acomodando arila (orto-, meta-, para-substituintes), cadeias alifáticas e ésteres propargílicos de anel fundido, bem como várias tiazolonas substituídas, com rendimentos variando de 51% a 98%. Essa estratégia constrói com eficiência estruturas de tiazolona de centro multiquiral em um processo de uma etapa pela primeira vez, fornecendo uma abordagem altamente seletiva e direta para a síntese de moléculas de drogas quirais com aplicações potenciais significativas na química medicinal.
Predição farmacológica em rede
Previsão do alvo do derivado de tiazolona: As representações estruturais dos derivados de tiazolona foram geradas usando o software KingDraw, e os arquivos estruturais correspondentes foram posteriormente convertidos em SMILES ID por meio do software Open Babel. Para prever potenciais alvos terapêuticos contra RD, empregamos uma abordagem computacional abrangente utilizando três bancos de dados distintos de previsão de alvos: SwissTargetPrediction (http://swisstargetprediction.ch/), TargetNet (http://targetnet.scbdd.com) e SuperPred (https://prediction.charite.de). Para a análise TargetNet, implementamos um critério de filtragem rigoroso selecionando genes com probabilidade > 0. No banco de dados SuperPred, aplicamos parâmetros de seleção mais rigorosos, retendo apenas os genes que apresentam precisão do modelo > 90% e probabilidade > 60%, garantindo previsões de alvos de alta confiança.
Predição de alvos RD: Com base no banco de dados GeneCards (https://www.genecards.org/) e no banco de dados OMIM (https://omim.org/), realizamos uma busca por rabdomiossarcoma. Para os dados provenientes do banco de dados GeneCards, filtramos os resultados com pontuação superior a 20 para obter genes associados ao rabdomiossarcoma.
Construção e análise de redes de interação proteína-proteína (PPI): Os alvos potenciais dos derivados de tiazolona e os genes associados ao RD foram cruzados. Os alvos potenciais para o tratamento do rabdomiossarcoma embrionário humano por derivados de tiazolona foram carregados no banco de dados STRING (https://www.string-db.org/) para análise de relacionamento PPI (interação proteína-proteína) alvo de alta confiança. A rede PPI foi construída no software Cytoscape (http://www.cytoscape.org/) e os alvos principais foram rastreados com base em valores de grau.
Construção da rede de vias compostas-doenças-alvos: A rede de medicamentos-alvos-vias pode ver claramente os alvos de compostos e doenças e as vias envolvidas nesses alvos, de modo a identificar possíveis alvos-chave e vias para a terapia composta para DR. Primeiro, crie a tabela de rede e a tabela de atributos na planilha. O conteúdo da tabela de rede inclui principalmente a correspondência entre o composto e o alvo principal, a correspondência entre o alvo principal e a via envolvida e a correspondência entre RD e a via principal. O conteúdo da tabela de atributos é principalmente classificar e nomear todas as informações na tabela de rede. Depois disso, abra o software Cytoscape, carregue a netlist para o local de carregamento, defina o ponto inicial, o ponto final, carregue a tabela de atributos e, finalmente, modifique a forma da imagem.
Anotação funcional integrada e análise farmacológica de rede - Enriquecimento de Ontologia de Genes de Construção (GO), Enciclopédia de Genes e Genomas de Kyoto (KEGG): A análise de enriquecimento de GO e KEGG de alvos principais foi realizada pelo banco de dados DAVID (https://david.ncifcrf.gov/). De acordo com a ordem do valor de P de pequeno a grande, os 10 principais itens em processo biológico (BP), componente celular (CC) e função molecular (MF) em GO foram selecionados para análise, e os 20 principais itens em KEGG foram analisados, e os mapas de bolhas GO e KEGG de alvos principais foram criados com base na plataforma de microbioinformação online.
Acoplamento molecular: As proteínas-alvo principais foram selecionadas do banco de dados PDB (https://www.rcsb.org/) e os arquivos estruturais dos alvos principais foram baixados. Inicialmente, as proteínas foram desidratadas usando o software PyMol, seguido pela separação de ligantes e receptores. Posteriormente, as proteínas foram hidrogenadas usando o software ADFRSuite, e os parâmetros da caixa de grade para o software de docking molecular AutoDock foram obtidos. Os arquivos pdbqt de derivados de tiazolidinona e proteínas-alvo centrais foram preparados usando o software AutoDock Vina. Simulações de docking molecular de derivados de tiazolona e proteínas-alvo centrais foram então conduzidas. Por fim, os modelos de docking molecular foram visualizados usando o software PyMol.
Simulação de dinâmica molecular: O arquivo PDB foi convertido para o formato GRO compatível com GROMACS usando o campo de força amber99sb-ildn e o modelo de água TIP3P:
gmx pdb2gmx -f Pro.pdb -o Pro_temp_H.gro -ff âmbar99sb-ildn -água tip3p -ignh
Uma caixa de limite periódica cúbica foi adicionada com uma distância de 1,2 nm da proteína:
gmx editconf -f Pro_temp_H.gro -o Pro_temp_H_box.gro -c -d 1.2 -bt cúbico
A caixa foi preenchida com moléculas de água TIP3P:
gmx solvate -cp Pro_temp_H_box.gro -o Pro_temp_H_box_water.gro -p topol.top
O sistema foi neutralizado pela adição de íons Na:
gmx grompp -f ions.mdp -c Pro_temp_H_box_water.gro -p topol.top -ions.tpr
gmx genion -s ions.tpr -o Pro_temp_H_box_water_ion.gro -p topol.top -neutro
A minimização de energia foi realizada:
gmx grompp -f minim.mdp -c Pro_temp_H_box_water_ion.gro -p topol.top -o em.tpr
gmx mdrun -v -deffnm em
O equilíbrio do NVT foi realizado:
gmx grompp -f nvt.mdp -c em.gro -r em.gro -p topol.top -o nvt.tpr
gmx mdrun -deffnm nvt -v
O equilíbrio do NPT foi realizado:
gmx grompp -f npt.mdp -c nvt.gro -r nvt.gro -t nvt.cpt -p topol.top -o npt.tpr
gmx mdrun -deffnm npt -v
A simulação de dinâmica molecular de produção foi iniciada:
gmx grompp -f md.mdp -c npt.gro -t npt.cpt -p topol.top -o md_0_1.tpr
gmx mdrun -deffnm md_0_1 -v
Após a conclusão das simulações, as trajetórias resultantes foram analisadas usando Dinâmica Visual Molecular (VMD) e PyMOL, e a análise de energia livre de ligação entre as proteínas e ligantes de pequenas moléculas foi realizada empregando o programa g_mmpbsa.
Avaliação dos efeitos de fármacos na viabilidade das células RD
Células RD (Célula Embrionária de Rabdomiossarcoma; STR Authenticated) na fase de crescimento logarítmico foram tripsinizados para criar uma suspensão celular na concentração de 1 x105 células/mL. Esta suspensão foi então semeada em uma placa de 96 poços a uma densidade de 1 x 104 células/poço (100 μL por poço) e incubada a 37 °C com 5% de CO2 para permitir a adesão celular. Após a adesão, o meio foi substituído por 100 μL de meio livre de soro contendo 1% de FBS, e as células ficaram sem energia por 12 h. Posteriormente, o meio foi trocado por 100 μL do respectivo meio contendo concentrações variáveis do composto de teste. Os poços de controle foram tratados com meio contendo solvente ou meio normal, e os poços em branco contendo apenas o meio correspondente sem células foram incluídos. As placas foram incubadas a 37 ° C com 5% de CO2 por 24 h (a duração foi determinada por experimentos preliminares como ótima para observar o efeito inibitório máximo dessa classe de compostos nas células RD. Ou seja, o tempo necessário para que o valor OD da densidade celular atinja aproximadamente 1,0.). Depois disso, 10 μL de solução de CCK-8 foram adicionados a cada poço e as placas foram incubadas por mais 1-4 h. Finalmente, a absorbância a 450 nm foi medida usando um leitor de microplacas. As células tratadas com solvente serviram como grupo de controle e os poços em branco foram usados para correção de linha de base. A viabilidade celular foi calculada com base nas leituras de absorbância.
Taxa de sobrevida% = [(grupo controle-branco)-(grupo experimental-branco)]/(grupo controle-branco) x 100%