Molecular Modeling of the antagonist compound esketamine and its molecular docking study with non-competitive N-methyl-D-aspartate (NMDA) receptors NR1, NR2A, NR2B and NR2D
سال انتشار: 1398
نوع سند: مقاله ژورنالی
زبان: انگلیسی
مشاهده: 362
فایل این مقاله در 12 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_PCBR-2-3_004
تاریخ نمایه سازی: 17 مهر 1398
چکیده مقاله:
The main purpose of the present article is reactivity and stability properties study of the antagonist compound esketamine and analyzing of its binding to the non-competitive N-methyl-D-aspartate receptor subunits (NR1, NR2A, NR2B and NR2D). In first step, the molecular structure of esketamine was optimized using density functional theory (DFT) method at B3YP/6-311++G(d,p) level of theory. The reactivity and stability properties of the title medicinal compound were studied by global reactivity indices. The computational data showed the molecule is stable and has low tendency to interact with residues of the biomolecules like receptors and proteins. Secondly, the molecule binding to the receptors were analyzed by molegro virtual docker (MVD) program. Our computations indicated that the compound asserts its pharmacological effects mainly through interactions with NR2B receptors and the NR2B residues containing Gly [A] 128, His [A] 127, Gly [A] 264, Tyr [A] 282, Ser [A] 131, Asp [A] 265, Ser [A] 260 and Met [A] 132 are the main amino acids involved in the ligand-receptor complex formation.
کلیدواژه ها:
نویسندگان
Mehdi Nabati
Synthesis and Molecular Simulation Laboratory, Chemistry Department, Pars Isotope Company, P.O. Box: ۱۴۳۷۶۶۳۱۸۱, Tehran, Iran
Vida Bodaghi-Namileh
Synthesis and Molecular Simulation Laboratory, Chemistry Department, Pars Isotope Company, P.O. Box: ۱۴۳۷۶۶۳۱۸۱, Tehran, Iran
Saman Sarshar
Physics Department, Faculty of Science, Lorestan University, 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 :