داکینگ مولکولی تعدادی از مشتقات کینازولینون به عنوان مهارکننده EGFR
محل انتشار: مجله یافته، دوره: 23، شماره: 3
سال انتشار: 1400
نوع سند: مقاله ژورنالی
زبان: فارسی
مشاهده: 94
فایل این مقاله در 13 صفحه با فرمت PDF قابل دریافت می باشد
- صدور گواهی نمایه سازی
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_YAFTE-23-3_010
تاریخ نمایه سازی: 18 آبان 1404
چکیده مقاله:
مقدمه: موتاسیون هایی که باعث بیان بالای فاکتور رشد اپیدرمی می شوند منجر به ایجاد سرطان می شوند. از این رو، این فاکتور به عنوان یک هدف مولکولی بالقوه برای درمان سرطان است و مهارکننده های این آنزیم در زمینه ی درمان سرطان اهمیت خاصی دارند. هدف این پژوهش بررسی بیوانفورماتیکی مهار آنزیم EGFR بوسیله ی تعدادی از مشتقات کینازولینون است.
مواد و روش ها: این پژوهش به روش توصیفی – تحلیلی انجام شد. برای بررسی نحوه اتصال مشتقات کینازولینون به جایگاه فعال آنزیم، در ابتدا ساختار شیمیایی ترکیبات با استفاده از نرم افزار ChemBioDrawUltra نسخه ۱۴ ترسیم شد. سپس به منظور بهینه سازی انرژی، به نرم افزار Hyperchem انتقال یافت. مطالعات داکینگ به وسیله نرم افزار AutoDock ۴.۲ انجام شد و در مرحله نهایی، نتایج با استفاده از سه برنامه AutoDockTools ، DS Visualizer و Ligplot مورد آنالیز قرار گرفتند.
یافته ها: بر اساس نتایج به دست آمده از مطالعات داکینگ، مهم ترین پیوندهای درگیر در اتصال دارو با گیرنده، اتصالات هیدروفوبیک و پیوند هیدروژنی هستند. در میان تمام ترکیبات مورد مطالعه، بهترین نتایج داکینگ مربوط به ترکیب شماره ۳ است. این ترکیب با منفی ترین سطح انرژی اتصال (-۷.۵۳ Kcal/mol ΔGbind=) تمایل بیشتری برای اتصال به اسیدهای آمینه ی کلیدی جایگاه فعال آنزیم EGFR دارد.
بحث و نتیجه گیری: در پایان با توجه به اثربخشی بالا و نتایج داکینگ می توان نتیجه گرفت که ترکیب شماره ۳ می تواند به عنوان مهار کننده موثر آنزیم EGFR مطرح شود.
کلیدواژه ها:
نویسندگان
مهدی رفیعیان بروجنی
Faculty of Pharmacy, Lorestan University of Medical Sciences, Khorramabad, Iran
رضوان رضایی نسب
Department of Medicinal Chemistry, Faculty of Pharmacy, Lorestan, University of Medical Sciences, Khorramabad, Iran
مراجع و منابع این مقاله:
لیست زیر مراجع و منابع استفاده شده در این مقاله را نمایش می دهد. این مراجع به صورت کاملا ماشینی و بر اساس هوش مصنوعی استخراج شده اند و لذا ممکن است دارای اشکالاتی باشند که به مرور زمان دقت استخراج این محتوا افزایش می یابد. مراجعی که مقالات مربوط به آنها در سیویلیکا نمایه شده و پیدا شده اند، به خود مقاله لینک شده اند :