Ukr.Biochem.J. 2021; Том 93, № 6, листопад-грудень, c. 101-118
doi: https://doi.org/10.15407/ubj93.06.101
Прогнозування pEC50(M) та молекулярний докінг у пошуку селективного інгібування арахідонат-5-ліпоксигенази
N. R. Das1, P. G. R. Achary2*
1Department of CSIT, Siksha ‘O’ Anusandhan deemed to be University, Bhubaneswar, Odisha, India;
2Department of Chemistry, Faculty of Engineering and Technology (ITER), Siksha ‘O’ Anusandhan deemed to be University, Bhubaneswar, Odisha, India;
*e-mail: pgrachary@soa.ac.in
Отримано: 28 квітня 2021; Затверджено: 12 листопада 2021
Арахідонат-5-ліпоксигеназа (ALOX5) вважається головною мішенню дії лікарських препаратів проти фіброзу печінки, ревматоїдного артриту, атеросклерозу, раку та астми. Наразі розробка препаратів для лікування цих захворювань, що інгібують активність ALOX5, не є достатньою. Тому актуальною задачею є винахід потужних та ефективних ALOX5-таргетних препаратів. Методи пошуку кількісних співвідношень структура-властивість (QSAR) та молекулярний докінг можуть відіграти важливу роль у скринінгу та створенні ліків. У цій роботі запропоновано 3D-QSAR моделі, побудовані з використанням множинної лінійної регресії (MLR) і методу часткових найменших квадратів (PLS) для вимірювання pEC50(M), на основі пакету даних 112 молекул. Також проаналізовано критерій Index of Ideality of Correlation (IIC) для створення оптимального дескриптора, представленого з використанням специфікації SMILES. Показано вплив кількості та природи дескрипторів на модель. Ці моделі можуть бути використані для розробки нових ALOX5-таргетних препаратів. Значне підвищення стабільності моделі спостерігалося за введення оптимального дескриптора. Розрахунки молекулярного докінгу показали, що рецептор ALOX5 добре інгібується 112 лігандами. Найменша енергія зв’язування становила -10,8 ккал/моль. Сполуки з найкращими показниками були повторно доковані за допомогою докінг-серверу DockThor. Показано, що ліганди з ідентифікаторами 18, 20, 24, 30 і 44 мають високий потенціал як інгібітори ALOX5.
Ключові слова: 5-ліпоксигеназа, QSAR, SMILES, молекулярний докінг
Посилання:
- Rossi A, Pergola C, Koeberle A, Hoffmann M, Dehm F, Bramanti P, Cuzzocrea S, Werz O, Sautebin L. The 5-lipoxygenase inhibitor, zileuton, suppresses prostaglandin biosynthesis by inhibition of arachidonic acid release in macrophages. Br J Pharmacol. 2010;161(3):555-570. PubMed, PubMedCentral, CrossRef
- Ragno R. www.3d-qsar.com: a web portal that brings 3-D QSAR to all electronic devices-the Py-CoMFA web application as tool to build models from pre-aligned datasets. J Comput Aided Mol Des. 2019;33(9):855-864. PubMed, CrossRef
- Ha H, Park K, Kang G, Lee S. QSAR study using acute toxicity of Daphnia magna and Hyalella azteca through exposure to polycyclic aromatic hydrocarbons (PAHs). Ecotoxicology. 2019;28(3):333-342. PubMed, CrossRef
- Klüver N, Bittermann K, Escher BI. QSAR for baseline toxicity and classification of specific modes of action of ionizable organic chemicals in the zebrafish embryo toxicity test. Aquat Toxicol. 2019;207:110-119. PubMed, CrossRef
- Ma W, Wang Y, Chu D, Yan H. 4D-QSAR and MIA-QSAR study on the Bruton’s tyrosine kinase (Btk) inhibitors. J Mol Graph Model. 2019;92:357-362. PubMed, CrossRef
- Jacob B, Bisht LK, Chandy V. 3D QSAR Studies of 2,3-Disubstituted Quinazolin Phenyl Acetic Acid Derivatives as Antimicrobial Agents. Res Rev A J Pharm Sci. 2019;8(2):4-7.
- Patil R, Tambe S. Multi-dimensional QSAR Studies on Aurora-A kinase Inhibitors. Proc Int Conf Drug Discov (ICDD). 2020. Available at SSRN: https://ssrn.com/abstract=3533692.
- Gramatica P. Principles of QSAR Modeling: Comments and Suggestions From Personal Experience. Int J Quant Struct Relationships. 2020;5(3):61-97. CrossRef
- 9. Shanthakumar B, Kathiravan MK. Insights into structures of imidazo oxazines as potent polyketide synthase XIII inhibitors using molecular modeling techniques. J Recept Signal Transduct Res. 2020;40(4):313-323. PubMed, CrossRef
- Galimberti F, Moretto A, Papa E. Application of chemometric methods and QSAR models to support pesticide risk assessment starting from ecotoxicological datasets. Water Res. 2020;174:115583. PubMed, CrossRef
- Liu S, Jin L, Yu H, Lv L, Chen CE, Ying GG. Understanding and predicting the diffusivity of organic chemicals for diffusive gradients in thin-films using a QSPR model. Sci Total Environ. 2020;706:135691. PubMed, CrossRef
- Cañizares-Carmenate Y, Mena-Ulecia K, Perera-Sardiña Y, Torrens F, Castillo-Garit JA. An approach to identify new antihypertensive agents using Thermolysin as model: In silico study based on QSARINS and docking. Arab J Chem. 2019;12(8):4861-4877. CrossRef
- Ahamed TKS, Rajan VK ,Muraleedharan K. QSAR modeling of benzoquinone derivatives as 5-lipoxygenase inhibitors. Food Sci Human Wellness. 2019;8(1): 53-62. CrossRef
- Lončarić M, Strelec I, Pavić V, Šubarić D, Rastija V, Molnar M. Lipoxygenase Inhibition Activity of Coumarin Derivatives-QSAR and Molecular Docking Study. Pharmaceuticals (Basel). 2020;13(7):154. PubMed, PubMedCentral, CrossRef
- Amin SNM, Idris MHM, Selvaraj M, Jamari H, Kek TL. Virtual screening, ADME study, and molecular dynamic simulation of chalcone and flavone derivatives as 5-Lipoxygenase (5-LO) inhibitor. Mol Simul. 2020;46(6):487-496. CrossRef
- Sogawa S, Nihro Y, Ueda H, Izumi A, Miki T, Matsumoto H, Satoh T. 3,4-Dihydroxychalcones as potent 5-lipoxygenase and cyclooxygenase inhibitors. J Med Chem. 1993;36(24):3904-3909. PubMed, CrossRef
- Das NR, Mishra SP, Achary PG. Evaluation of Molecular Structure based Descriptors for the Prediction of pEC50 (M) for the Selective Adenosine A2A Receptor. J Mol Struct. 2021;123:130080. CrossRef
- Gilson MK, Liu T, Baitaluk M, Nicola G, Hwang L, Chong J. BindingDB in 2015: A public database for medicinal chemistry, computational chemistry and systems pharmacology. Nucleic Acids Res. 2016;44(D1):D1045-D1053. PubMed, PubMedCentral, CrossRef
- Toropov AA, Toropova AP, Cappelli CI, Benfenati E. CORAL: Model for octanol/water partition coefficient. Fluid Phase Equilib. 2015;397:44-49. CrossRef
- Toropova AP, Toropov AA. CORAL: QSAR models for carcinogenicity of organic compounds for male and female rats. Comput Biol Chem. 2018;72:26-32. PubMed, CrossRef
- Toropova AP, Toropov AA. CORAL software: prediction of carcinogenicity of drugs by means of the Monte Carlo method. Eur J Pharm Sci. 2014;52:21-25. PubMed, CrossRef
- Gramatica P, Chirico N, Papa E, Cassani S, Kovarich S. QSARINS: A new software for the development, analysis, and validation of QSAR MLR models. J Comput Chem. 2013;34(24):2121-2132. CrossRef
- Achary PGR. Simplified molecular input line entry system-based optimal descriptors: QSAR modelling for voltage-gated potassium channel subunit Kv7.2. SAR QSAR Environ Res. 2014;25(1):73-90. PubMed, CrossRef
- Toropova AP, Toropov AA, Veselinović JB, Miljković FN, Veselinović AM. QSAR models for HEPT derivates as NNRTI inhibitors based on Monte Carlo method. Eur J Med Chem. 2014;77:298-305. PubMed, CrossRef
- Toropov AA, Achary PGR, Toropova AP. Quasi-SMILES and nano-QFPR: The predictive model for zeta potentials of metal oxide nanoparticles. Chem Phys Lett. 2016;660:107-110. CrossRef
- Ojha PK, Mitra I, Das RN, Roy K. Further exploring rm2 metrics for validation of QSPR models. Chemom Intell Lab Syst. 2011;107(1):194-205. CrossRef
- Toropov AA, Toropova AP. Application of the Monte Carlo method for building up models for octanol-water partition coefficient of platinum complexes. Chem Phys Lett. 2018;701:137-146. CrossRef
- Toropova AP, Toropov AA. Use of the index of ideality of correlation to improve models of eco-toxicity. Environ Sci Pollut Res Int. 2018;25(31):31771-31775. PubMed, CrossRef
- Toropova AP, Toropov AA. The index of ideality of correlation: A criterion of predictability of QSAR models for skin permeability? Sci Total Environ. 2017;586:466-472. PubMed, CrossRef
- Toropov AA, Carbó-Dorca R, Toropova AP. Index of Ideality of Correlation: new possibilities to validate QSAR: a case study. Struct Chem. 2018;29(1):33-38. CrossRef
- Toropov AA, Toropova AP. The index of ideality of correlation: A criterion of predictive potential of QSPR/QSAR models? Mutat Res Genet Toxicol Environ Mutagen. 2017;819:31-37. PubMed, CrossRef
- Toropova AP, Toropov AA. Hybrid optimal descriptors as a tool to predict skin sensitization in accordance to OECD principles. Toxicol Lett. 2017;275:57-66. PubMed, CrossRef
- Lin LI. A concordance correlation coefficient to evaluate reproducibility. Biometrics. 1989;45(1):255-268. PubMed, CrossRef
- Achary PGR, Toropova AP, Toropov AA. Combinations of graph invariants and attributes of simplified molecular input-line entry system (SMILES) to build up models for sweetness. Food Res Int. 2019;122:40-46. PubMed, CrossRef
- Begum S, Achary PGR. Simplified molecular input line entry system-based: QSAR modelling for MAP kinase-interacting protein kinase (MNK1). SAR QSAR Environ Res. 2015;26(5):343-361. PubMed, CrossRef
- Achary PGR. QSPR modelling of dielectric constants of π-conjugated organic compounds by means of the CORAL software. SAR QSAR Environ Res. 2014;25(6):507-526. PubMed, CrossRef
- Golbraikh A, Tropsha A. Beware of q2! J Mol Graph Model. 2002;20(4):269-276. PubMed, CrossRef
- Trott O, Olson AJ. AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. J Comput Chem. 2010;31(2):455-461. PubMed, PubMedCentral, CrossRef
This work is licensed under a Creative Commons Attribution 4.0 International License.