广告

1 - 15页|引用作为

重新利用抗冠状病毒药物的计算方法和工具

协议
部分药理学和毒理学方法书系列

摘要

传统的药物研发管道涉及到新分子的发现,需要巨大的投资和很长的时间。因此,重新使用现有药物用于新的适应症,即“药物再利用”对科学界越来越重要。当前的大流行进一步加强了药物重新利用的重要性,特别是在全世界都期待着快速有效的治疗covid - 19的解决方案之际。计算方法在加快整个药物再利用管道方面发挥着至关重要的作用。在本章中,我们将讨论如何利用蛋白质序列、结构和动力学方面的知识,通过使用各种计算工具和资源,从已批准/正在试验的药物中搜索潜在的抗covid - 19分子。在过去的几年里,我们的团队一直致力于重新利用药物治疗包括covid - 19在内的各种疾病。文中还讨论了如何从经验中吸取教训,提高计算预测的可靠性。总的来说,本章提供了各种计算方法的鸟瞰图,这些方法可以有效地用于重新利用药物来对抗任何疾病。我们希望特别是该领域的非专家能够从我们在本章中分享的学习中受益。

关键字

药物再利用 计算方法 基于结构的方法 序列的方法 Ligand-based方法 蛋白质动力学 基于网络的资源

笔记

致谢

我们小组的研究一般由印度政府科学技术部(DST)和生物技术部(DBT)赞助的FIST计划支持,形式为iic -DBT合作计划和生物信息学和计算生物学中心。感谢教资会、印度高等教育中心及印度人力资源发展部的支持。SC表彰DST-INSPIRE的研究奖学金。SB感谢印度政府CSIR提供研究奖学金。NS是J. C. Bose国家研究员。

参考文献

  1. 1.
    Jourdan J-P, Bureau R, Rochais C, Dallemagne P(2020)药物重新定位:简要概述。医药杂志72:1145-1151。https://doi.org/10.1111/jphp.13273 CrossRef谷歌学者
  2. 2.
    Park K(2019)计算药物再利用综述。翻译临床药物学27:59-63。https://doi.org/10.12793/tcp.2019.27.2.59 CrossRef谷歌学者
  3. 3.
    世卫组织(2020年)世卫组织冠状病毒疾病(COVID-19)仪表盘。https://covid19.who.int/?gclid=Cj0KCQjwxNT8BRD9ARIsAJ8S5xbYslKQT3jWeba21lOyPt7jUkSaXpb8hDGnkN4KED9rVnANq6HyYHoaAsuKEALw_wcB.2020年10月26日
  4. 4.
    Jomah S, Asdaq SMB, Al-Yamani MJ(2020)抗病毒药物治疗新型冠状病毒(COVID-19)的临床疗效:综述。J传染病公共卫生13:1187-1195。https://doi.org/10.1016/j.jiph.2020.07.013 CrossRef谷歌学者
  5. 5.
    王欣,管勇(2020)COVID-19药物再利用:计算筛选方法、临床试验和蛋白质相互作用分析综述。医学Res Rev。https://doi.org/10.1002/med.21728
  6. 6.
    周勇,王峰,唐杰等(2020)人工智能在新冠肺炎药物再利用中的应用。柳叶刀手指健康。https://doi.org/10.1016/s2589 - 7500 (20) 30192 - 8
  7. 7.
    周颖,侯颖,沈杰等(2020)基于网络的新型冠状病毒2019-nCoV/SARS-CoV-2药物再利用。Cell discoverv 6:14。https://doi.org/10.1038/s41421-020-0153-3 CrossRef谷歌学者
  8. 8.
    Ramakrishnan G, Chandra NR, Srinivasan N(2015)利用进化信息识别药物靶点:重新利用fda批准的抗结核分枝杆菌H37Rv药物的意义。Mol Biosyst 11:3316-3331。https://doi.org/10.1039/C5MB00476D CrossRef谷歌学者
  9. 9.
    Ramakrishnan G, Chandra N, Srinivasan N(2017)探索FDA批准药物的抗疟疾潜力:一种硅晶片方法。Malar J 16:290。https://doi.org/10.1186/s12936-017-1937-2 CrossRef谷歌学者
  10. 10.
    Chakraborti S, Ramakrishnan G, Srinivasan N(2019)第16章- fda批准的药物用于发现抗抗生素药物的硅建模:药物再利用方法。在:KBT-ISDD R (ed)硅药物设计方法的药物再利用。学术出版社,伦敦,第463-526页谷歌学者
  11. 11.
    Chakraborti S, Chakravarthi P, Srinivasan N(2020)第2章-以配体为中心的方法识别用于再利用的潜在药物:极光激酶抑制剂的案例研究。见:To KKW, Cho WCS(编)药物在癌症治疗中的再利用。学术出版社,伦敦,第15-54页谷歌学者
  12. 12.
    Chakraborti S, Bheemireddy S, Srinivasan N(2020)重新利用针对SARS-CoV-2主要蛋白酶的药物:基于现有实验室和临床数据支持的机制见解。Mol Omi 16:474。https://doi.org/10.1039/D0MO00057D CrossRef谷歌学者
  13. 13.
    莫罗尼E,科伦坡AP,科伦坡G(2015)药物发现的动态。Curr顶级医学化学15:2043-2055谷歌学者
  14. 14.
    Berman HM, Westbrook J, Feng Z等(2000)蛋白质数据库。核酸Res 28:35 - 242。https://doi.org/10.1093/nar/28.1.235 CrossRef谷歌学者
  15. 15.
    Konc J, janekidic D (2014) probis -配体:通过检测蛋白质结合位点预测配体的网络服务器。核酸Res 42: W215-W220。https://doi.org/10.1093/nar/gku460 CrossRef谷歌学者
  16. 16.
    Ab Ghani NS, Ramlan EI, firdaus - rah M (2019) Drug ReposER:一种用于预测已知药物结合界面相似氨基酸排列的网络服务器,用于潜在的药物重新定位。核酸Res 47: W350-W356。https://doi.org/10.1093/nar/gkz391 CrossRef谷歌学者
  17. 17.
    Bhagavat R, Sankar S, Srinivasan N, Chandra N(2018)增强口袋组:已知3D结构蛋白质中小分子结合口袋的检测和分析。26:499 - 512. - e2结构。https://doi.org/10.1016/j.str.2018.02.001 CrossRef谷歌学者
  18. 18.
    Wishart DS, Knox C, Guo AC等(2006)药物库:一种用于硅质药物发现和探索的综合资源。核酸Res 34: D668-D672。https://doi.org/10.1093/nar/gkj067 CrossRef谷歌学者
  19. 19.
    Morris GM, Huey R, Lindstrom W等人(2009)AutoDock4和AutoDockTools4:具有选择性受体灵活性的自动对接。J计算化学:2785 - 2791。https://doi.org/10.1002/jcc.21256 CrossRef谷歌学者
  20. 20.
    Trott O, Olson AJ (2010) AutoDock Vina:通过新的评分功能、高效优化和多线程提高对接的速度和准确性。J计算化学31:455-461。https://doi.org/10.1002/jcc.21334 CrossRef谷歌学者
  21. 21.
    Friesner RA, Banks JL, Murphy RB等人(2004)Glide:快速、准确对接和评分的新方法。1.对接精度的方法与评定。医学化学47:1739-1749。https://doi.org/10.1021/jm0306430 CrossRef谷歌学者
  22. 22.
    黄世勇,Grinter SZ,邹旭(2010)蛋白质配体对接的评分函数及其评价方法:最新进展和未来发展方向。物理化学化学物理12:12899-12908。https://doi.org/10.1039/C0CP00151A CrossRef谷歌学者
  23. 23.
    陈艳春(2015)小心对接!趋势药物科学36:78-95。https://doi.org/10.1016/j.tips.2014.12.001 CrossRef谷歌学者
  24. 24.
    Kim S, Chen J, Cheng T等(2018)PubChem 2019更新:改善化学数据的获取。核酸Res 47: D1102-D1109。https://doi.org/10.1093/nar/gky1033 CrossRef谷歌学者
  25. 25.
    Mendez D, Gaulton A, Bento AP等(2018)ChEMBL:朝着生物测定数据的直接沉积。核酸Res 47: D930-D940。https://doi.org/10.1093/nar/gky1075 CrossRef谷歌学者
  26. 26.
    Gilson MK, Liu T, Baitaluk M等(2016)BindingDB在2015年:一个用于药物化学、计算化学和系统药理学的公共数据库。核酸Res 44: D1045-D1053。https://doi.org/10.1093/nar/gkv1072 CrossRef谷歌学者
  27. 27.
    O 'Boyle NM, Banck M, James CA等人(2011)开放的通天塔:开放的化学工具箱。J Cheminform 3:33。https://doi.org/10.1186/1758-2946-3-33 CrossRef谷歌学者
  28. 28.
    贝格MH,艾哈迈德K,罗伊S等人(2016)计算机辅助药物设计:成功与局限性。Curr Pharm Des 22:572-581。https://doi.org/10.2174/1381612822666151125000550 CrossRef谷歌学者
  29. 29.
    李文杰,李文杰,李文杰(2019)药团概念及其在计算机辅助药物设计中的应用。Prog Chem组织Nat Prod 110:99-141。https://doi.org/10.1007/978-3-030-14632-0_4 CrossRef谷歌学者
  30. 30.
    基尼G (2018) QSAR:还有什么?方法Mol Biol 1800:79-105。https://doi.org/10.1007/978-1-4939-7899-1_3 CrossRef谷歌学者
  31. 31.
    Hawkins PCD, Skillman AG, Nicholls A(2007)形状匹配和对接作为虚拟筛选工具的比较。医学化学50:74-82。https://doi.org/10.1021/jm0603365 CrossRef谷歌学者
  32. 32.
    lesnik S, Štular T, Brus B等人(2015)LiSiCA:一种基于配体的虚拟筛选软件及其在发现丁酰胆碱酯酶抑制剂中的应用。J化学Inf模型55:1521-1528。https://doi.org/10.1021/acs.jcim.5b00136 CrossRef谷歌学者
  33. 33.
    Mirabello C, Wallner B (2020) InterLig:改进的基于配体的虚拟筛选使用拓扑独立的结构对齐。生物信息学36:3266 - 3267。https://doi.org/10.1093/bioinformatics/btaa089 CrossRef谷歌学者
  34. 34.
    Van Der Spoel D, Lindahl E, Hess B等人(2005)GROMACS:快速、灵活和免费。计算化学26:1701-1718。https://doi.org/10.1002/jcc.20291 CrossRef谷歌学者
  35. 35.
    (2006) SC ' 06: 2006年ACM/IEEE超级计算会议论文集。计算机协会,纽约,纽约,美国谷歌学者
  36. 36.
    案例DA, Cheatham TE III, Darden T等人(2005)琥珀生物分子模拟程序。J计算化学26:1668-1688。https://doi.org/10.1002/jcc.20290 CrossRef谷歌学者
  37. 37.
    Brooks BR, Brooks CL III, Mackerell AD Jr等人(2009)CHARMM:生物分子模拟程序。J计算化学:1545 - 1614。https://doi.org/10.1002/jcc.21287 CrossRef谷歌学者
  38. 38.
    Altschul SF, Gish W, Miller W等(1990)基本的局部对齐搜索工具。Mol生物学215:403-410。https://doi.org/10.1016/s0022 - 2836 (05) 80360 - 2 CrossRef谷歌学者
  39. 39.
    Finn RD, Clements J, Arndt W等人(2015)hmm web服务器:2015年更新。核酸Res 43: W30-W38。https://doi.org/10.1093/nar/gkv397 CrossRef谷歌学者
  40. 40.
    Chakraborti S, Ramakrishnan G, Srinivasan N(2019)基于已批准药物靶点和感兴趣蛋白质之间的进化关系的药物再利用BT.在:Vanhaelen Q (ed)药物再利用的计算方法。beplay登入施普林格,纽约,纽约,第45-59页谷歌学者
  41. 41.
    王峰,吴凤霞,李春珍等(2019)ACID:一种利用共识逆对接策略进行药物再利用的免费工具。J Cheminform 11:73。https://doi.org/10.1186/s13321-019-0394-z CrossRef谷歌学者
  42. 42.
    Zoete V, Daina, Bovigny C, Michielin O(2016)瑞士相似性:低到超高通量配体虚拟筛选的网络工具。J化学Inf模型56:1399-1404。https://doi.org/10.1021/acs.jcim.6b00174 CrossRef谷歌学者
  43. 43.
    Lamb J, Crawford ED, Peck D等(2006)连通性图:使用基因表达特征连接小分子、基因和疾病。科学313:1929 - 1935。https://doi.org/10.1126/science.1132939 CrossRef谷歌学者
  44. 44.
    Tanoli Z, Alam Z, Ianevski A等人(2018)使用药物目标分析器对药物-目标相互作用网络进行交互式可视化分析,应用于精准医疗和药物再利用。简介生物信息21:211-220。https://doi.org/10.1093/bib/bby119 CrossRef谷歌学者
  45. 45.
    aguire - plans J, Piñero J, Sanz F等人(2019)GUILDify v2.0:一种识别人类疾病、共病及其可药物靶点的分子网络的工具。J Mol生物学431:2477-2484。https://doi.org/10.1016/j.jmb.2019.02.027 CrossRef谷歌学者
  46. 46.
    Athanasiadis E, Cournia Z, Spyrou G (2012) ChemBioServer:用于药物发现的化合物过滤、聚类和可视化的基于网络的管道。生物信息学28:3002 - 3003。https://doi.org/10.1093/bioinformatics/bts551 CrossRef谷歌学者
  47. 47.
    Ullrich S, Nitsche C (2020) SARS-CoV-2主要蛋白酶作为药物靶点。Bioorg Med Chem Lett 30:127377。https://doi.org/10.1016/j.bmcl.2020.127377 CrossRef谷歌学者
  48. 48.
    Velankar S, Alhroub Y, Alili A等(2011)PDBe:欧洲蛋白质数据库。核酸Res 39: D402-D410。https://doi.org/10.1093/nar/gkq985 CrossRef谷歌学者
  49. 49.
    Holm L (2019) DaliLite的基准折叠检测v.5。生物信息学35:5326 - 5327。https://doi.org/10.1093/bioinformatics/btz536 CrossRef谷歌学者
  50. 50.
    Wishart DS, Feunang YD, Guo AC等(2017)DrugBank 5.0: 2018年对DrugBank数据库的重大更新。核酸Res 46: D1074-D1082。https://doi.org/10.1093/nar/gkx1037 CrossRef谷歌学者
  51. 51.
    Kumar V, Roy K(2020)开发了一种简单、可解释和易于转移的QSAR模型,用于快速筛查抗病毒数据库,以寻找针对SARS-CoV疾病的新型3c样蛋白酶(3CLpro)酶抑制剂。SAR QSAR Environ Res 31:511-526。https://doi.org/10.1080/1062936X.2020.1776388 CrossRef谷歌学者
  52. 52.
    Raphael VP, Shanmughan SK (2020) HIV抗病毒药物对SARS-CoV-2 (COVID-19)蛋白酶抑制效果的计算评估和3D药效团和击中化合物的鉴定。Adv Pharmacol药学科学2020:8818008。https://doi.org/10.1155/2020/8818008 CrossRef谷歌学者
  53. 53.
    Alamri MA, Tahir Ul Qamar M, Mirza MU等(2020)药物信息学和分子动力学模拟研究揭示了潜在的共价和fda批准的SARS-CoV-2主要蛋白酶3CL(pro)抑制剂。生物生物结构动力学杂志:1-13。https://doi.org/10.1080/07391102.2020.1782768
  54. 54.
    Selvaraj C, Dinesh DC, Panwar U等(2020)SARS-CoV-2鸟嘌呤- n7甲基转移酶(nsp14)基于结构的虚拟筛选和分子动力学模拟,用于识别COVID-19抗病毒抑制剂。生物生物结构动态杂志:1-12。https://doi.org/10.1080/07391102.2020.1778535
  55. 55.
    Kumar Y, Singh H, Patel CN(2020)利用基于药物再利用的分子对接和动力学模拟对SARS-CoV-2主要蛋白酶的潜在抑制剂进行计算机预测。《传染病公共卫生》13:1210-1223。https://doi.org/10.1016/j.jiph.2020.06.016 CrossRef谷歌学者
  56. 56.
    Beglov D, Hall DR, Wakefield AE等人(2018)探索蛋白质上隐位点的结构起源。Proc natalacadsci 115: E3416-E3425。https://doi.org/10.1073/pnas.1711490115 CrossRef谷歌学者
  57. 57.
    Ali A, Vijayan R (2020) ACE2-SARS-CoV-2 /SARS-CoV刺突蛋白界面的动力学揭示了独特的机制。科学报告:14214。https://doi.org/10.1038/s41598-020-71188-3 CrossRef谷歌学者
  58. 58.
    Deller MC, Rupp B(2015)蛋白质配体晶体结构模型:信任,但验证。J compput Aided Mol Des 29:17 - 836。https://doi.org/10.1007/s10822-015-9833-8 CrossRef谷歌学者
  59. 59.
    Onufriev AV, Alexov E(2013)蛋白质配体结合的质子化和pK变化。Q Rev生物物理46:181-209。https://doi.org/10.1017/S0033583513000024 CrossRef谷歌学者
  60. 60.
    Muhammed MT, Aki-Yalcin E(2019)药物发现中的同源建模:概述,当前应用和未来展望。化学生物药物93:12-20谷歌学者
  61. 61.
    Fischer A, smiesko M, Sellner M, Lill MA(2021)基于结构的药物发现决策:对接结果的可视化检查。中国医学化学64(5):2489-2500。https://doi.org/10.1021/acs.jmedchem.0c02227
  62. 62.
    Kidwai S, Bouzeyen R, Chakraborti S等(2019)nu6027通过靶向蛋白激酶D和蛋白激酶g抑制结核分枝杆菌生长。https://doi.org/10.1128/AAC.00996-19 CrossRef谷歌学者
  63. 63.
    王晓燕,王晓燕,王晓燕,王晓燕,等。(2018)硫酰胺取代对肽大环生物活性空间的影响。化学科学9:2443-2451。https://doi.org/10.1039/C7SC04671E CrossRef谷歌学者
  64. 64.
    Rácz A, Bajusz D, Héberger K(2018)超越谷本系数的生活:交互指纹的相似度量。J Cheminform 10:48。https://doi.org/10.1186/s13321-018-0302-y CrossRef谷歌学者

版权信息

©施beplay登入普林格Science+Business Media, LLC 2021

作者及隶属关系

  1. 1.分子生物物理系印度科学研究所班加罗尔印度

个性化推荐