Исследовательская статья

Вычислительная оценка взаимодействия олевропеина с белками, связанными с болезнью Альцгеймера, с использованием молекулярного стыковки и молекулярной динамики

DOI:

10.3791/71430

⸱

30 июня 2026 г.

 ,  ,  ,  ,  ,  ,  ,  ,  , 
1Chemistry Department, Faculty of Science, Capital University, 2Department of Zoology, Faculty of Science, Capital University, 3Department of Biology, College of Science, Princess Nourah bint Abdulrahman University, 4Department of Human Anatomy, College of Medicine, Taif University, 5Unit of Scientific Research, Applied College, Qassim University

* These authors contributed equally

В этой статье

Краткое содержание

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

В данном исследовании представлен интегрированный рабочий процесс молекулярного стыковки и молекулярной динамики для вычислительной оценки взаимодействий олевропеина с ключевыми белками, связанными с болезнью Альцгеймера, выявляя предсказанные связывающие взаимодействия и предварительная сложная стабильность на нескольких целях.

Аннотация

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Болезнь Альцгеймера (АД) — это многофакторное нейродегенеративное заболевание, связанное с амилоидной агрегацией, тау патологией и нейровоспалением. В данном исследовании был использован интегрированный вычислительный рабочий процесс, сочетающий прогнозирование ADMET, скрининг активности на основе PASS, молекулярное стыкованное соединение и молекулярно-динамические (MD) симуляции для оценки взаимодействия олевропеина с пятью белковыми мишеньями, связанными с AD, включая β-амилоид, тау, аполипопротеин E4 (ApoE4), экспрессирующий рецептор на миелоидных клетках 2 (TREM2), и белок комплемента C1q. Анализы ADMET и PASS предсказывали фармакокинетические свойства и потенциальную биологическую активность связанными с нейродегенеративными заболеваниями путями. Анализ стыковки предсказывал благоприятные аффинности связывания по исследуемым мишеням, при этом наиболее сильное предсказанное взаимодействие наблюдалось для белка C1q (-7,5 ккал/моль). Для оценки динамического поведения белок-лигандных комплексов во время симуляций использовались анализ траектории молекулярной динамики (MD), включая отклонение по корню среднеквадратичному (RMSD), флуктуацию по среднеквадратичному корректию (RMSF), радиус вращения (Rg), динамическую кросскорреляционную матрицу (DCCM), анализ главных компонентов (PCA) и метрики на основе расстояния. Вычислительные анализы показали относительно стабильные взаимодействия для комплексов тау, C1q и TREM2, тогда как β-амилоид и ApoE4 демонстрировали сравнительно большую вариативность конформационной вариабельности в некоторых частях симуляций. Эти результаты дают предварительную вычислительную оценку взаимодействия олевропеина с белками, связанными с АД, и могут помочь будущим экспериментальным исследованиям, изучающим его потенциальную биологическую значимость в моделях нейродегенеративных заболеваний.

Введение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

АД представляет собой самый распространённый тип деменции, который вызывает серьёзные и обостряющиеся проблемы по всему миру. 1,2. АД возникает в результате сочетания генетических и экологических факторов. Для объяснения АД предложено множество патогенных гипотез, включая холинергический, амилоидный, тау, воспалительный, окислительный стресс, ионы металла, экситотоксичность, ось микробиоты-кишечник-мозг и связанные с аутофагиеймеханизмы 3. АД — это многофакторное заболевание, включающее отложение β-амилоидного отложения, тау патологию, нейровоспаление и генетические факторы риска, такие как ApoE4 и TREM2 4,5. Из-за многофакторного характера АД несколько целенаправленных лигандов (MTDL) стали перспективными терапевтическими стратегиями, основанными на полифармакологических взаимодействиях с Aβ, тау, ApoE4, микроглиальной функцией, опосредованной TREM2, и нейровоспалением, управляемымкомплементом 3,6,7. Агрегация β-амилоидов — ключевая патологическая признак АД, которая нарушает функцию нейронов и регулируется изоформами ApoE4 и иммунными ответами 8,9.

Гиперфосфорилирование и другие посттрансляционные модификации тау, включая усечение, ацетилирование, убиквитинирование и гликозилирование, значительно способствуют образованию нейрофибриллярных узлов (NFT), одной из основных патологических признаков АД. Эти модификации снижают аффинность тау к микротрубочкам, что приводит к дестабилизации микротрубочек, нарушенному транспорту аксонов, дисфункции синапса, аномалиям митохондрий и прогрессирующей дегенерации нейронов. Кроме того, аномальная агрегация тау была тесно связана с когнитивным снижением и тяжесть заболевания при АД, часто ближе коррелируя с нейродегенерацией, чем с самим амилоидным бременем. Кроме того, все больше данных свидетельствуют о том, что патология тау тесно взаимодействует с нейровоспалительной сигнальной связью, где активированная микроглия и воспалительные медиаторы могут дополнительно усугублять распространение тау и повреждениенейронов 10,11,12.

Микроглиальная активация, опосредованная TREM2, была связана с нейровоспалительной реакцией во время прогрессирования AD13. Комплементарные белки, такие как C1q и C3, участвуют в синаптической потере, комплемент-опосредованном нейровоспалении и воспалительном сигнале, связанном с патологией AD14,15. Сигнализация с выемками, окислительный стресс, воспалительные пути и ApoE4 дополнительно ускоряют прогрессирование AD 9,16.

Экстракт оливковых листьев (OLE) — это биоактивный фитокомплекс, богатый секоиридоидами, флавоноидами, тритерпенами и феноловыми кислотами, как изложено в таблице 1. Эти компоненты были связаны с антиоксидантной и противовоспалительной биологической активностью в предыдущихисследованиях 17. Олоевропеин является основным секоиридоидом, обнаруженным в оливковых листьях, поскольку он является основным феноловым компонентом этих листьев. Это делает олевропейн самым распространённым фенольным секоиридоидом, выявленным в листьях оливок, а его химическая структура показана на рисунке 1.

Предыдущие исследования сообщали о биологической активности олевропеина, связанной с агрегацией амилоида, патологией, связанной с тау, окислительным стрессом и воспалительными сигнальнымипутями 18,19. Дополнительные исследования также предполагают возможные взаимодействия олевропеина с путями, связанными с ApoE4, микроглиальной активацией, опосредованной TREM2, и нейровоспалением, связанным скомплементом 20,21.

Несмотря на растущий интерес к олевропеину, его взаимодействия с несколькими белковыми мишеньями, связанными с АД, не были всесторонне изучены в единой вычислительной системе. Большинство предыдущих исследований в основном сосредотачивались на его антиоксидантных свойствах или потенциальном воздействии на отдельные патологические пути, особенно на агрегации амилоидов и токсичности, связанной с тау. Поэтому в настоящем исследовании использовались молекулярные стыковки и молекулярно-динамические симуляции для вычислительной оценки предсказанных взаимодействий и динамического поведения олоевропеина против пяти белков, связанных с AD, включая β-амилоид, тау, ApoE4, TREM2 и C1q. Эти мишени были выбраны потому, что они представляют собой различные, но взаимосвязанные патологические механизмы, участвующие в прогрессировании АД. β-амилоид играет центральную роль в образовании внеклеточных бляшек, синаптической дисфункции, окислительном стрессе и токсичности нейронов, тогда как патология тау тесно связана с образованием нейрофибриллярных узлов, нарушением цитоскелета и прогрессирующим когнитивным снижением22. ApoE4 является самым сильным генетическим фактором риска спорадического АД и способствует ухудшению клиренса амилоида, усилению нейротоксичности, дисрегуляции липидов и усилению нейровоспалительныхответов 23. TREM2 является ключевым регулятором микроглиальной активации и нейроиммунной сигнализации, участвуя в клиренсе амилоида, воспалительной регуляции и микроглиальных ответах, связанных с заболеванием, во время прогрессированияАД 24. Кроме того, комплементарный белок C1q играет критическую роль в нейровоспалении, опосредованном комплементом, аномрантной синаптической обрезке и синаптической дегенерации, ассоциируемой с микроглией, в25 году н.э.

Общий in silico рабочий процесс, используемый для оценки олоевропеина по отображённым белковым мишеням, связанным с болезнью Альцгеймера, обобщён на рисунке 2.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Протокол

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

1. Предсказание ADMET

Фармакокинетические и токсичные свойства олевропеина были оценены с помощью вычислительной платформы прогнозирования ADMET. Прогнозируемые параметры включали всасывание, распределение, метаболизм, выведение, проницаемость BBB, проницаемость центральной нервной системы (ЦНС) и свойства, связанные с токсичностью. Анализ ADMET был проведён для оценки прогнозируемого фармакокинетического профиля и потенциальных лекарственноподобных свойств олевропеина перед молекулярным стыкингом иMD-симуляциями 26.

2. Прогнозирование антиальцгеймеровой и нейропротективной активности

Каноническое представление SMILES олевропеина использовалось для вычислительного прогнозирования антиальцгеймеровой и нейропротективнойактивности 27. Были зафиксированы значения вероятности активности (Pa) и вероятности бездействия (Pi), и только активности с значениями Pa выше Pi считались потенциально релевантными для последующих вычислительных анализов.

3. Подготовка структуры лиганда олепеина

Трёхмерная (3D) структура олоевропеина была извлечена из публичной химической базы данных в формате SDF. Оптимизация геометрии лиганда и минимизация энергии выполнялись с использованием силового поля MMFF94 до достижения сходимости. Минимизированная структура лиганда была преобразована в формат PDB и затем подготовлена к молекулярному стыкованному соединению путём назначения полярных атомов водорода и частичных зарядов перед преобразованием в формат PDBQT.

Олевропеин был смоделирован в своей преобладающей нейтральной форме, и предполагалось, что все ионизируемые остатки протонированы при физиологических условиях (pH 7,4) во время молекулярного стыковки и молекулярной динамики.

4. Извлечение и подготовка белка

Белковые структуры, связанные с патологией АЦ, были извлечены из Белкового банка данных, включая β-амилоид (2BEG), тау (5O3L), ApoE4 (1B68), TREM2 (5ELI) и C1q (2JG9). Структурная информация, специфичная для целей, включая выбор цепи и тип экспериментальной структуры, приведена в таблице 2.

Молекулы воды, ионы, сокристаллизованные лиганды и несущественные гетероатомы были удалены перед подготовкой рецепторов. Структуры визуально осматривались на наличие неполных остатков, отсутствующих атомов и структурных разрывов перед стыковкой и установкой симуляции. Впоследствии были назначены атомы полярного водорода и заряды Коллмана, а рецепторные структуры преобразованы в формат PDBQT для исследований стыковки. При подготовке рецепторов применялись стандартные протонационные состояния, соответствующие физиологическим условиям (pH 7,4), и предполагалось, что все ионизируемые остатки принимают свои преобладающие протонационные состояния при физиологических условиях pH. Для β-амилоида была выбрана Модель 1 из отложенного ЯМР-ансамбля, и все цепочки в отложенной олигомерной сборке (цепи A-E) сохранялись во время подготовки рецепторов. Для тау-белка все цепи внутри отложенной сборки крио-ЭМ-филамента (цепи A-J) сохранялись во время подготовки рецептора. Аналогично, все цепочки в мультимерной сборке C1q (цепи A-F) сохранялись для сохранения отложенной четвертичной структуры. Для ApoE4 и TREM2 отложенные биологически значимые цепи сохранялись во время подготовки рецепторов.

5. Молекулярная стыковка

  1. Прогнозирование участка связывания и определение сеточных коробок
    Потенциальные карманы связывания лигандов были предсказаны с помощью структурного процесса прогнозирования сайтов связывания, который оценивает геометрию револата, объём карманов, глубину, гидрофобность и физико-химические описания, связанные с потенциалом связывания лигандов илекарственностью 28.
    Прогнозируемые карманы ранжировались по показателю пригодности к лекарствию и геометрическим характеристикам. Для анализа молекулярного стыковки был выбран самый высоко доступный для растворителя карман. Остатки, соответствующие выбранному карману связывания, извлекались из сгенерированных файлов карманного остатка и затем визуализировались вместе с соответствующими белковыми структурами с помощью программного обеспечения молекулярной визуализации.
    Координаты центра массы выбранных остатков кармана связывания были рассчитаны и использованы для генерации стыковочных сеточных коробок. Измерения сеточных коробок были определены так, чтобы полностью охватить предсказанную область связывания для каждого белка-мишени. Точные координаты и размеры центра стыковочной сетки для всех целей приведены в таблице 3.
    ПРИМЕЧАНИЕ: Полный исполняемый рабочий процесс командной строки и скрипты, используемые для вычислений центра массы, приведены в дополнительном кодировочном файле 1.
  2. Параметры стыковки и выполнение
    Расчёты молекулярного стыковки проводились с использованием AutoDock Vina 4.2.6 с исчерпывающим значением 8 и 10 выходных режимов связывания для каждого комплекса белок-лиганд. Для последующих анализов была выбрана поза связи с наименьшей прогнозируемой связывающей аффинностью. Взаимодействия белков и лиганда визуализировались с помощью программного обеспечения молекулярной визуализации.
    ПРИМЕЧАНИЕ: Структура команд адаптируется для каждого белка в зависимости от имени файла рецептора и координат сетки. Выходные файлы док-станции были разделены на отдельные режимы привязки и конвертированы в формат PDB с помощью инструментов командной строки. Полные команды приведены в дополнительном кодировочном файле 1.

6. Симуляции молекулярной динамики (MD)

Рабочий процесс MD выполнялся в облачной вычислительной среде Conda/Miniforge, предназначенной для биомолекулярного моделирования и анализа траектории. Для всех производственных симуляций использовались ресурсы ускорения выполнения с помощью GPU. Полные скрипты настройки исполняемой среды, команды установки зависимостей и рабочие процессы симуляции представлены в Дополнительном файле кодирования 2.

Белокно-лигандовые комплексы, полученные в результате молекулярного стыковкивания, использовались в качестве стартовых структур для MD-симуляций. Для генерации топологии и сборки системы были выбраны позы стыкованного лиганда, соответствующие самым низким прогнозируемым конформациям связывания. Белковые структуры были подготовлены после удаления кристаллографических молекул растворителя и несущественных гетероатомов до начала симуляции.

Генерация топологии и сборка системы выполнялись с использованием силового поля белка ff19SB и силового поля лиганда GAFF2. Комплексы растворялись с помощью явной водной модели TIP3P и нейтрализовались ионами NaCl при конечной ионной концентрации 0,15 М при периодических граничных условиях.

ПРИМЕЧАНИЕ: Все симуляции молекулярной динамики выполнялись в облачной среде ноутбука, настроенной с Python 3, аппаратным ускорением GPU T4 и последней доступной на момент анализа версией runtime.

  1. Параметры уравновесления MD и минимизация энергии
    После генерации топологии минимизация энергии проводилась в течение 50 000 шагов до уравновешения. Впоследствии были проведены симуляции уравновешения NPT в течение 5 нс с использованием позиционных ограничений, применённых к атомам белковых основ при следующих условиях: (1) временной шаг интеграции = 2 fs; (2) температура = 298 K; (3) давление = 1 бар; (4) постоянная гармонической удерживай силы = 700 кДж.моль−1.нм−2; (5) траекториальные кадры, сохраняемые каждые 10 пс; и (6) лог-файлы, записываемые каждые 10 ps.
    ПРИМЕЧАНИЕ: Полные исполняемые скрипты уравновешения и команды симуляции приведены в Дополнительном файле кодирования 2.
  2. Параметры производства MD и производство NPT
    Производственные моделирование MD проводились в условиях NPT при общем анализированном времени траектории производства 10 нс использованием следующих параметров: (1) временной шаг интеграции = 2 фс; (2) температура = 298 K; (3) давление = 1 бар; (4) траекториальные кадры, сохраняемые каждые 10 пс; и (5) лог-файлы, записываемые каждые 10 ps.
    ПРИМЕЧАНИЕ: Полные исполняемые скрипты симуляции MD предоставлены в дополнительном файле кодирования 2.
  3. Конкатенация траектории и выравнивание
    Производственные траектории, созданные в результате нескольких симуляционных шагов, были объединены в непрерывные траектории после съёмки при периодических граничных условиях. Периодические пограничные артефакты, молекулы растворителя и ионы были удалены перед структурным выравниванием и дальнейшим анализом.
    Выравнивание траектории проводилось с использованием атомов белкового Cα по отношению к уравновешенной эталонной структуре для обеспечения согласованной ориентации на протяжении всего анализа траектории.
  4. Анализ взаимодействия белков и лигандов
    Отпечатки взаимодействия белков и лиганды и сохраняемость взаимодействия на протяжении траекторий MD анализировались с использованием подходов профилирования взаимодействия на основе траекторий. Анализ сетей взаимодействия проводился с использованием обработанных производственных траекторий после удаления растворителя и структурного выравнивания.
    ПРИМЕЧАНИЕ: Полные исполняемые рабочие процессы анализа взаимодействия представлены в дополнительном кодировочном файле 2.
  5. Анализ траектории MD
    Анализ траектории проводился с использованием выровнённых производственных траекторий после удаления растворителя, конкатенации, визуализации при периодических граничных условиях и структурного выравнивания. Все анализы проводились на траекториях производства 10 нс после удаления молекул и ионов растворителя. Кадры анализировались с интервалом в 10 ps. Если не указано иное, структурные анализы проводились после выравнивания атомов белка Cα с уравновешенной начальной структурой каждого соответствующего комплекса.
    Анализы RMSD, RMSF и радиуса вращения (Rg) были рассчитаны с использованием атомов белка Cα для оценки структурной устойчивости и конформационной динамики на протяжении всего симуляции. RMSD рассчитывался для атомов белка Cα относительно уравновешенной эталонной структуры. RMSF рассчитывался для атомов белка Cα по выровненной траектории производства. Rg рассчитывался с использованием атомов белка Cα для мониторинга глобальной компактности.
    Затем были проведены линейные энергетические анализы взаимодействия (LIE), межмолекулярные измерения расстояния, анализ основных компонентов (PCA) и динамическая кросскорреляционная матрица (DCCM) с использованием траекторий, отобранных с интервалом 10 пс на протяжении всего анализируемого производственного траектории. Анализ взаимодействия-энергии был рассчитан между олевроином и белковыми атомами каждого комплекса на траектории производства. Расстояние между центром массы рассчитывалось между олевроином и выбранными остатками связывающего кармана, используемыми для генерации стыковочной сетки, тогда как минимальное расстояние рассчитывалось как минимальное расстояние между атомом между олевроином и соответствующими остатками белкового кармана в каждом кадре. PCA проводился с использованием координат белка Cα после выравнивания траектории. Анализ DCCM рассчитывался на основе флуктуаций атомов белка Cα по выровненной траектории производства.
    ПРИМЕЧАНИЕ: Каждый этап симуляции молекулярной динамики и анализа траекторий предоставлен как отдельный раздел исполняемого кода в дополнительном файле кодирования 2. Дополнительный кодировочный файл 2 включает скрипты и команды, используемые для подготовки системы, моделирования производства, обработки траектории и дальнейшего анализа. Полная версия рабочего процесса, соответствующая отправленной рукописи, архивируется в Zenodo вместе с https://doi.org/10.5281/zenodo.20134270, а соответствующий релиз на GitHub доступен по адресу: https://github.com/Elshekh00/molecular-dynamics-protein-ligand/releases/tag/v1.0.0.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Результаты

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Прогнозирование профиля ADMET

Прогнозируемый фармакокинетический и токсичный профиль олевропеина был оценен с помощью процесса прогнозирования ADMET in silico . Прогнозируемые свойства олеевропына ADMET, включая токсичность AMES, гепатотоксичность, ингибиция hERG I и II, а также острую и хроническую токсичность у крыс, приведены в таблице 4. Прогнозировалось, что олевропеин не мутагенен (AMES отрицательный). Прогнозир...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Обсуждение

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Основной целью этого интегрированного исследования in silico было оценить предсказанный многоцелевый потенциал взаимодействия олевропеина с выбранными патологическими белками, вовлечёнными в АД. Результаты прогнозирования ADMET, анализа PASS, молекулярного стыковки и моделирования MD предоставляют вычислительную основу для рассмотрения олоевропеина как молекулы с предсказанным потенциалом многоцелевого взаимодействия с выбранными белками, связанными с AD. Учитывая многофакторный...

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Раскрытие информации

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

У всех авторов нет конфликта интересов.

Благодарности

$$\rightleftharpoonup{xx}$$ $$\longleftharp{xx}$$, $$\longrightharp{xx}$$,

Эта работа была профинансирована Исследовательским поддерживающим проектом Университета принцессы Нуры бинт Абдулрахман (PNURSP2026R23), Университетом принцессы Нуры бинт Абдулрахман, Эр-Рияд, Саудовская Аравия.

Доступ ограничен. Войдите в систему или начните пробный период, чтобы просмотреть этот контент.

Материалы

Список материалов, использованных в этой статье
ИмяКомпанияКаталожный номерКомментарии
AmberTools 24.8AmberMD development teamN/A; https://ambermd.org/AmberTools.phpИспользуется для подготовки топологии и обработки файлов для молекулярного моделирования. Установлен из conda-forge.
RRID: SCR_018497
AutoDock Tools 1.5.7Scripps Research InstituteN/A; https://autodocksuite.scripps.edu/adt/Используется для подготовки рецептора и лиганда и создания файлов PDBQT.
RRID: SCR_012746
AutoDock Vina 4.2.6Scripps Research InstituteN/A; https://vina.scripps.edu/Докинг-движок, используемый для молекулярных докинг-расчётов. Версия должна быть указана в соответствии с выполненной средой рабочего процесса.
RRID: SCR_011958
Avogadro 2.0.0Avogadro Chemistry SoftwareN/A; https://avogadro.cc/Используется для визуализации лиганда, назначения полей сил и минимизации энергии.
RRID: SCR_015983
Conda 25.3.1Anaconda, Inc. / conda-forge communityN/A; https://docs.conda.io/Менеджер пакетов и среды, используемый в вычислительном рабочем процессе.
RRID: SCR_018317
Discovery Studio Visualizer 2025Dassault SystèmesN/A; https://discover.3ds.com/discovery-studio-visualizer-downloadИспользуется для визуализации белков и предварительной обработки.
RRID: SCR_008398
DoGSiteScorer / ProteinsPlusZBH Center for BioinformaticsN/A; https://proteins.plus/Используется для предсказания связывающего сайта и оценки пригодности кармана для лекарственного вещества.
RRID: Недоступно
ff19SB force fieldСемейство сил AMBERN/A; https://ambermd.org/Поле сил белка, используемое для подготовки системы молекулярной динамики.
RRID: Недоступно
GAFF2 force fieldСемейство сил AMBERN/A; https://ambermd.org/Поле сил лиганда, используемое для подготовки системы молекулярной динамики.
RRID: Недоступно
Google ColabGoogleN/A; https://colab.research.google.com/Облачная среда для ноутбуков, используемая для выполнения рабочего процесса. Тип выполнения: Python 3; аппаратный ускоритель: T4 GPU.
RRID: SCR_018009
Mamba 2.1.1QuantStack / conda-forge communityN/A; https://mamba.readthedocs.io/Быстрый менеджер пакетов, используемый для установки пакетов Conda.
RRID: Недоступно
Matplotlib 3.10.0Matplotlib development teamN/A; https://matplotlib.org/Используется для создания графиков анализа молекулярной динамики.
RRID: SCR_008624
MDAnalysis 2.8.0MDAnalysis development teamN/A; https://www.mdanalysis.org/Используется для обработки траектории и структурного анализа.
RRID: SCR_025610
MDTraj 1.11.1MDTraj development teamN/A; https://www.mdtraj.org/Используется для обработки и анализа траектории молекулярной динамики.
RRID: Недоступно
Miniforgeconda-forge communityN/A; https://github.com/conda-forge/miniforgeРаспространение среды на основе Conda, используемое для установки научных зависимостей.
RRID: Недоступно
NumPy 2.0.2NumPy development teamN/A; https://numpy.org/Зависимость для числовых вычислений, используемая в вычислительном рабочем процессе.
RRID: SCR_008633
Open Babel 3.1.0Open Babel ProjectN/A; https://openbabel.org/Используется для преобразования форматов молекулярных файлов.
RRID: SCR_014920
OpenMM 8.5.1OpenMM development teamN/A; https://openmm.org/Движок молекулярной динамики, используемый для настройки системы, эквилибрации и производственных симуляций.
RRID: SCR_000436
pandas 2.3.3pandas development teamN/A; https://pandas.pydata.org/Используется для обработки табличных данных и анализа выходных данных.
RRID: SCR_018214
ParmEd 4.3.1ParmEd development teamN/A; https://parmed.github.io/ParmEd/html/index.htmlИспользуется для обработки топологии и параметрических файлов.
RRID: Недоступно
PASS-Way2Drug ServerWay2DrugN/A; https://www.way2drug.com/passonline/Используется для профилирования предсказанной биологической активности.
RRID: SCR_001971
PDBFixer 1.12OpenMM development teamN/A; https://github.com/openmm/pdbfixerИспользуется для восстановления и подготовки структуры белков при необходимости. Установлен из conda-forge.
RRID: Недоступно
pkCSM ServerUniversity of MelbourneN/A; https://biosig.lab.uq.edu.au/pkcsm/Используется для предсказанного профилирования ADMET.
RRID: Недоступно
ProLIF ProLIF development teamN/A; https://prolif.readthedocs.io/Используется для анализа функциональных отпечатков взаимодействия белок-лиганд. Версия, импортированная во время выполнения, указана как 0+unknown.
RRID: Недоступ

Перепечатки и разрешения

Запросить разрешение на повторное использование текста или иллюстраций этой статьи JoVE

Запросить разрешение

Теги

232232

Похожие статьи