بررسی فضای برهمکنش شیمیایی تحت کنترل برخی از NSAID ها و الاستاز B در سودوموناس آئروژینوزا
الموضوعات : Biotechnological Journal of Environmental Microorganisms
1 - گروه بیوانفورماتیک ، مرکز تحقیقات بیوشیمی و بیوفیزیک ، دانشگاه تهران ، تهران ، ایران
الکلمات المفتاحية: سودوموناس آئروژینوزا, الاستاز, داروهای ضد التهابی غیر استروئیدی, شبیه‌سازی داکینگ ,
ملخص المقالة :
به دلیل فعالیت الاستولیتیک، سودوموناس آئروژینوزا، یک باکتری گرم منفی بسیار شناخته شده فرصت طلب، می تواند باعث آسیب های شدید بافتی و خونریزی بافتی شود. بنابراین، مسدود کردن پروتئازهای خارج سلولی آن، مانند الاستاز B، می تواند به عنوان یک استراتژی برای مقابله با سودوموناس آئروژینوزا مورد استفاده قرار گیرد. داروهای ضد التهابی غیر استروئیدی که به نام NSAID نیز شناخته می شوند، از محبوب ترین داروهایی هستند که برای مقابله با عفونت های میکروبی استفاده می شوند. در اینجا، فضاهای برهمکنش شیمیایی NSAIDهای معروف به نام‌های کتوپروفن، ناپروکسن و ایبوپروفن علیه الاستاز باکتریایی و همچنین الاستاز انسانی برای تعیین میل ترکیبی و انتخاب‌پذیری این داروها برای گیرنده‌هایشان بررسی شده است. ساختارهای بهینه لیگاندها و گیرنده‌ها با استفاده از پلاگین AutoDock Vina موجود در نرم‌افزار PyRx تحت شبیه‌سازی داکینگ مولکولی قرار گرفتند. نتایج داکینگ و همچنین تجزیه و تحلیل فضای برهمکنش غیرکووالانسی انرژی های اتصال مناسبی را برای همه کمپلکس های گیرندهNSAID/ نشان داد. با این حال، نمرات اتصال بهتر و همچنین فضاهای تعامل شیمیایی غنی‌تر در مورد کمپلکس های گیرنده NSAID/باکتریایی مشاهده شد. این می تواند نشان دهنده میل ترکیبی بالاتر و انتخاب بهتر این داروها در برابر الاستاز باکتریایی باشد.
1. Gellatly SL, Hancock RE. Pseudomonas aeruginosa: new insights into pathogenesis and host defenses. Pathog Dis. 2013;67(3):159-73.
2. Jurado-Martín I, Sainz-Mejías M, McClean S. Pseudomonas aeruginosa: An Audacious Pathogen with an Adaptable Arsenal of Virulence Factors. Int J Mol Sci. 2021;22(6).
3. Qin S, Xiao W, Zhou C, Pu Q, Deng X, Lan L, et al. Pseudomonas aeruginosa: pathogenesis, virulence factors, antibiotic resistance, interaction with host, technology advances and emerging therapeutics. Signal Transduct Target Ther. 2022;7(1):199.
4. Dai L, Wu T-q, Xiong Y-s, Ni H-b, Ding Y, Zhang W-c, et al. Ibuprofen-mediated potential inhibition of biofilm development and quorum sensing in Pseudomonas aeruginosa. Life Sciences. 2019;237:116947.
5. Khodaparast S, Ghanbari F, Zamani H. Evaluation of the effect of ibuprofen in combination with ciprofloxacin on the virulence-associated traits, and efflux pump genes of Pseudomonas aeruginosa. World J Microbiol Biotechnol. 2022;38(7):125.
6. Gasteiger J, Marsili M. Iterative partial equalization of orbital electronegativity—a rapid access to atomic charges. Tetrahedron. 1980;36(22):3219-28.
7. Meza JC. Steepest descent. Wiley Interdisciplinary Reviews: Computational Statistics. 2010;2(6):719-22.
8. Pettersen EF, Goddard TD, Huang CC, Couch GS, Greenblatt DM, Meng EC, et al. UCSF Chimera--a visualization system for exploratory research and analysis. J Comput Chem. 2004;25(13):1605-12.
9. Kim S, Chen J, Cheng T, Gindulyte A, He J, He S, et al. PubChem 2023 update. Nucleic Acids Res. 2023;51(D1):D1373-d80.
10. Dallakyan S, Olson AJ. Small-molecule library screening by docking with PyRx. Methods Mol Biol. 2015;1263:243-50.
11. Eberhardt J, Santos-Martins D, Tillack AF, Forli S. AutoDock Vina 1.2.0: New Docking Methods, Expanded Force Field, and Python Bindings. J Chem Inf Model. 2021;61(8):3891-8.
