天然产物对美洲钩虫β-微管蛋白基因抑制的药物信息学分子建模及发现.

医学信息学解锁26（2021）100734天然产物中美洲钩虫β-微管蛋白基因抑制剂的分子模拟和从头设计OdameAgyapong a，b，Seth O. Asiedu a，b，Samuel K. Kwofie a，c，*，Whelton A. 米勒三世，克里斯蒂安·S作者声明：Robert A. 放大图片作者：Michael D. Wilson b，d，**a加纳大学基础应用科学学院工程科学学院生物医学工程系，PMB LG 77，Legon，加纳b加 纳 大 学 卫 生 科 学 学 院 Noguchi纪念医学研究所 寄 生 虫 学 系 ，P.O. LG 581号信箱天气-阿克拉，加纳c加纳大学基础和应用科学学院生物化学、细胞和分子生物学系西非传染性病原体细胞生物学中心，加纳d医学系，洛约拉大学医学中心，梅伍德，IL，60153，美国宾夕法尼亚大学工程与应用科学学院，化学与生物分子工程系，宾夕法尼亚州费城，19104，美国f美国华盛顿特区霍华德大学镰状细胞病中心和微生物学系，20059g加纳阿克拉勒贡加纳大学工程科学学院计算机工程系，基础应用科学学院A R T I C L EI N FO保留字：美洲钩虫驱虫药天然产物药物信息学分子建模药物发现A B S T R A C T对已知的钩虫药物即阿苯达唑和甲苯达唑的耐药性的出现及其降低的功效需要新药。化学多样性的天然产物提供了合理的模板，以增加钩虫药物的发现。目前的工作利用药物信息学技术，预测非洲天然化合物ZINC 95486082、ZINC 95486052和Euphohelionon是美洲钩虫β微管蛋白基因的潜在抑制分子。针对β微管蛋白的同源建模结构筛选了3390种化合物的文库。 从AutoDock Vina获得的对接结果是用从受试者工作特征（ROC）曲线计算的0.714的可接受曲线下面积（AUC）进行验证。所选的三种化合物具有良好的结合亲和力，并预测不会与耐药相关突变Phe167、Glu198和Phe200形成相互作用。使用基于贝叶斯的技术预测这些化合物为驱虫剂，并将其特征分析为药物样。进一步的分子动力学模拟和MM-PBSA计算表明，化合物作为有前途的驱虫药物的领导者。新的关键残基，包括Leu246，Asn247和Asn256也预测为结合。选择Euphohelionon作为模板，用于标记为A1、A2、A3、A4和A5的五种化合物的基于片段的从头设计;其中四种具有低于6的SAscore值，表示容易合成.所有五个从头分子都牢固地对接在β微管蛋白的结合口袋中，与三个已知的耐药突变残基没有结合相互作用。结合能为-8.2、-7.6、-7.3、-7.2和A1、A2、A3、A4和A5分别获得约6.8 kcal/mol。所鉴定的化合物可以用作可以用来设计未来强效驱虫药的宝库。目前的研究致力于减轻钩虫病的负担，特别是使可用的分子有可能规避化学耐药性。1. 介绍钩虫感染仍然是全球重大的健康负担这种疾病是由钩虫引起的，钩虫是一种肠道寄生虫，感染了6亿多人，特别是在资源有限的国家，每年导致135，000人死亡[1，2]。钩虫* 通讯作者。生物医学工程系，工程科学学院，基础应用科学学院，加纳大学，PMB LG 77，Legon，阿克拉，加纳。&** 通讯作者。生物医学工程系，工程科学学院，基础应用科学学院，加纳大学，PMB LG 77，Legon，阿克拉，加纳。&电子邮件地址：skkwofie@ug.edu.gh（S.K. Kwofie），mwilson@noguchi.ug.edu.gh（医学博士）Wilson）。https://doi.org/10.1016/j.imu.2021.100734接收日期：2021年2月3日;接收日期：2021年9月10日;接受日期：2021年9月11日2021年9月15日网上发售2352-9148/© 2021作者。出版社：Elsevier Ltd这是CC BY许可下的开放获取文章（http://creativecommons.org/licenses/by/4.0/）。可在ScienceDirect上获得目录列表医学信息学期刊主页：www.elsevier.com/locate/imuO. Agyapong等人医学信息学解锁26（2021）1007342+感染属于一个更大的疾病组称为被忽视的热带病（NTD）已知会导致衰弱的影响。一些NTD是由寄生虫引起的，包括寄生虫、丝虫和几内亚蠕虫[3]。受钩虫影响最大的地区包括撒哈拉以南非洲、南亚、拉丁美洲、加勒比海、中东和北非的国家[4]。人类钩虫感染主要由钩虫和美洲钩虫引起[5]，后者占所有钩虫感染的85%以上[5，6]。已知感染会影响儿童的生长以及限制记忆和认知[7]。钩虫的β微管蛋白基因对细胞内的过程、细胞分裂、整体移动性、寄生虫在宿主细胞中的进入和迁移。它是微管的一个亚基，在细胞分裂和维持细胞骨架中起着至关重要的作用[8]。它在微管的正末端与两个鸟苷-5-三磷酸（GTP）分子结合[9]。迄今为止，β微管蛋白已被广泛用作驱虫剂的关键靶标和几种其他化合物的靶标[8]。使用包括阿苯达唑和甲苯达唑的苯并咪唑治疗选择性地靶向β-微管蛋白基因同种型，破坏微管的聚合。苯并咪唑通过与敏感线虫的β-微管蛋白基因结合，阻止微管聚合，从而导致寄生虫内细胞内过程和细胞分裂的不稳定以及整体不动效应，从而对敏感线虫产生驱虫作用[10]。基于社区的治疗方法通常采用大规模药物管理（MDA）策略，包括以下组合方案：阿苯达唑、伊维菌素（IVM）和吡喹酮（PZQ）[11这然而，控制策略被认为是人类和动物的高风险方法，因为它会诱导耐药性[11]。例如，在马里、澳大利亚、南非和巴拉圭的部分地区报告了牲畜耐药性的病例[11]。因此，从这方面吸取教训，建议谨慎使用人类驱虫药，以便长期使用这些药物，同时管理耐药性和治疗失败的问题。β-微管蛋白基因的遗传突变是已报道的在几种寄生线虫中赋予抗性的因素之一，包括N.americanus[15，16].这些突变发生在密码子167、198和200处，导致氨基酸变化[15、17、18]。这些变化导致密码子167和200处的苯丙氨酸被酪氨酸取代，氨基酸位置198处的谷氨酸被丙氨酸取代[17，19，20]。因此，替代小分子抑制剂与β-微管蛋白分子的活性位点处的这些残基Glu 198、Phe 167和Phe 200的结合和稳定是非常不期望的，因为其可导致结合亲和力降低[21]。需要具有不同结合模式的分子。自然 产品 （NPs） 是 结构上 和 化学多样性与合成文库相比[22]。研究表明，超过50%的NP通过了药物相似性的Lipinski规则[23]。这使得天然产品比合成产品更容易吸收最近的研究报道了一组具有良好驱虫活性的化合物，特别是双曲哌酮A。美洲[24]。通过探索从免费获得的公共数据库检索的小化合物的纲要，用于药物发现的计算机策略在识别新型化疗剂的时间和成本方面具有优势。这些方法已被用于确定一些有前途的治疗疾病[25，26]。其中一些数据库包 括 非 洲 天 然 产 品 数 据 库 （ AfroDB ） 和 北 非 天 然 产 品 数 据 库（NANPDB），其中包含多种多样且高效的天然化合物化学景观，可用于探索潜在的驱虫药线索[27，28]。我们试图通过对来自非洲的天然产物进行虚拟筛选来识别潜在的新型驱虫先导物，以模拟N.美国人此外，我们的目标是使用从头片段为基础的药物设计产生新的分子。我们描述了结合的机制，活性位点内的耐药相关突变。此外，进行药理学分析和相关生物活性预测，以确定潜在先导分子的治疗效用。2. 方法本研究采用了一系列计算应用程序和技术（补充表1）。2.1. 模板选择和N.美洲β-微管蛋白基因在 蛋 白 质 数 据 库 （ PDB; www.example.com ） 中 的 搜 索http://www.rcsb.org/显示没有解析的N的三级结构。因此，从UniProt检 索 蛋 白 质 的 一 级 序 列 （ 基 因 ID ： NECAME_11014 ， 登 录 号 ：W2T758） [29] 。 对 于 模 板 鉴 定 ， Aguayo-Ortiz 等 人 采 用 迭 代 线 程ASSEmbly细化（I-TASSER）软件工具，基于含有与突变相关的残基的结合位点预测合适的模板[30]。使用类似的方法，通过迭代线程ASSEmbly细化（I-TASSER）服务器[31]提交我们的包含449个氨基酸的蛋白质序列用于模板和结合位点鉴定，该服务器预测了四个合理的模板。由于存在与抗性相关的氨基酸残基以及与模板的高序列同一性，选择微管蛋白酪氨酸连接酶（T2 R-TTL）[PDB ID：5C 8 Y]多聚体结构亚基的D链进行进一步研究。从PDB下载T2 R-TTL的晶体结构（PDB ID：5C 8 Y，分辨率：2.59 μ m），并将其用作使用MODELLER v 9.17进行β-微管蛋白受体同源性建模的模板[32]。使用MOD-ELLER v9.17中的2d功能将靶序列与模板和使用MODELLERv9.17. 然后根据最低值选择最佳模型，离散优化势能（DOPE）和高GA341分数[32]。选择的最佳模型和模板使用SuperPose进行结构比对[33]。2.2. 模型改进和评估使用WHAT IF服务器[34]对所选的最佳模型进行优化，以修复空间冲突和碰撞。这是由于模型具有不期望的键长、键角、扭转角和接触。然后使用Swiss-PdbViewer v 4.10 [35]中的GROMOS 43 B1力场使细化结构的能量最小化，以校正局部键和角度几何形状，并松弛几何链中的紧密接触。WHAT IF程序实现WHAT_BACK，以基于两个非键合原子的重叠来确定和修复空间冲突，所述两个非键合原子的距离截止设置为0.4磅使用PyMOL v 1.74 [36]可视化最小化模型，并使用分子动力学模拟进一步优化。这是为了评价整体稳定性，折叠，并获得深入了解的构象变化，以及优化模型的动力学。用GROMACS v 5.1.4 [37]软件的LinuX版本进行结构的分子动力学（MD）模拟软件包通过使用GROMOS 96_43a1力场和简单点电荷（SPC）水模型通过传递首先将模型化的结构浸入立方体形状的周期性水箱（lnm厚）中。在溶剂化受体后，蛋白质上的净电荷为8e. GROMACS中的Genion命令用于添加八个氯（Cl-）抗衡离子以中和蛋白质上的净电荷。通过粒子网格Ewald方法计算静电能，计算负荷为0.19。计算库仑和范德华相互作用的截止距离为1.0 μ m，截止方案为Verlet，最小化50000步。该系统在300 K的温度和1 bar（P）的压力下经历两步系综过程（NVT和NPT）2 ps。线性约束O. Agyapong等人医学信息学解锁26（2021）1007343--×对所有键进行求解器（LINCS）约束，对蛋白质进行位置约束，并且仅允许水分子移动以与蛋白质结构平衡。在300 K和1巴的相同平衡条件下进行最小化5 ns的最终生产运行。使用GRO- MACS v 5.1.4和GRACE v5.1.25 [38]分析结果，其中使用命令在筛选数据集中有两种已知的驱虫药，即阿苯达唑和甲苯达唑[48- ID53327690）; 5，7-二氯-1，3-苯并恶唑-2-硫醇（PubChemIDS 723308）;和6，8-二氯-2-{[（4硝基苯基）氨基]甲基}[1，2，在LinuX终端中使用Xmgrace最小化蛋白质的最后一帧，4]三唑并[3，4 b][1，3]苯并恶唑-3（2 h）-酮（PubChem ID使用Visual Molecular Dynamics（VMD）v1.9.3 [39]将gro格式保存为PDB格式然后通过使用PROBLEMv3.5.4 [41]生成Ramachandran图[40]来验证最小化模型。其他程序，如ERRAT、VERIFY3D和Qmean[42，43]也用于证实PROTEINS结果。2.3. 结合位点的预测与分析使用蛋白质表面形貌计算图谱（CASTp）[44]预测含有感兴趣的氨基酸残基的β-微管蛋白模型的潜在结合位点，并进一步可视化 在PyMOL[36]中。2.4. 对接用蛋白质制剂AutoDockTools v 4.2.6 [45]用于蛋白质模型的制备，其涉及Gasteiger部分电荷的分配[46]。去除所有存在的水或溶剂分子以消除蛋白质-配体对接中溶剂相互作用的影响。以蛋白质数据库部分电荷和原子类型（pdbqt）格式保存的受体文件用作AutoDock Vina的输入受体文件。2.5. 配体的选择和制备以结构数据格式（sdf）检索了一个综合天然产物库（图1），其中包括来自非洲天然产物数据库（AfroDb）[28]的885种化合物、锌的子集[47]和来自北非天然产物数据库（NANPDB）[27]的2500种化合物。这两个图书馆包含非洲起源的结构多样的天然产物[27，28]。另外包括53327692）[51]。控制结构见补充图1。通过PubChem（一种免费获得的化学结构数据库）检索五种化合物的sdf文件[52]。进一步优化了3390种化合物的总集合，并使用Python0.8界面内的Open Babel 2.3.1 [53]使用MMFF 94力场能量最小化将能量最小化。然后使用AutoDock Tools将所有配体文件转换为兼容的pdbqt文件。2.6. 虚拟筛选PyRX v 0.8 [55]中的AutoDock Vina [54]工具用于针对预测模型的结合口袋虚拟筛选3390种化合物的文库。尺寸为（22.5 mm）的网格体22.5 22.5英寸中心（18.35度，8.23度， 22.48分）设置在前- 受体的指定活性位点残基。使用了默认的穷举性8。完成虚拟筛选过程后，选择相对于已知抑制剂具有最低结合能（kcal/mol）的最高命中物用于在PyMOL中进一步可视化[36]。选择具有相当好的结合能和结合位姿的前30个命中用于进一步评价。表1使用MODELLER预测的五个模型的DOPE、GA341和molpdf评分的比较，最低离散优化蛋白质能量（DOPE）评分对应于模型5。型号Molpdf score DOPE score GA341 score型号12642.68408-52703.71875。1.00型号22614.13916-52903.56250。1.00型号32478.50610-52848.83594。1.00型号42537.23853-52964.20312。1.00型号52550.17090-53055.30859。1.00Fig. 1. 用于虚拟筛选的配体的制备和选择的流程图。该文库包括非洲天然产物和五种已知的钩虫β-微管蛋白抑制剂。O. Agyapong等人医学信息学解锁26（2021）1007344图 二、（一） 3D 模型 的 的 beta-tubulin 的N. americanus（UniProt ID，W2T75）。螺旋以红色显示，β折叠以黄色显示，环以绿色显示。(B)使用SuperPose生成的蛋白 质模型和模板之间 的结构比对，并在PyMOL中可视化。模型显示为紫色，模板显示为黄色。 在SuperPose中，两个 结构的叠加具有1.32 μ m的可接受RMSD。(For关于这一图中颜色的解释，请读者参阅本文的网络版图三. 使用GROMACS进行分子动力学模拟的RMSD图。 以纳米（nm）为单位的RMSD与以纳秒（ns）为单位的时间的关系图。RMSD从0 ns增加到0.5 ns，并在接近1 ns结束时平稳，略有波动。2.7. 对接协议确认包括阿苯达唑和甲苯达唑的五种分子，以及和甲苯咪唑是靶向β-微管蛋白的广谱驱虫药[48，50]。此外，包括三种二氯取代的苯并恶唑-三唑并噻唑衍生物的选择是基于它们对蠕虫β微管蛋白的有效抑制活性[51]。使用五种分子的SMILES通过有用诱饵增强目录（DUD-E）获得诱饵数据集[56]。每个配体获得50个诱饵，然后每组诱饵具有与母体配体相似的物理化学性质，但在拓扑结构上不同[57]。此外，使用AutoDock Vina针对模型化的β微管蛋白受体的预测活性位点筛选包含250种诱饵和5种配体的255种化合物的数据集。包含配体和它们的诱饵的各自结合能的对接结果被用于计算配体和诱饵的结合能下的面积。通过easyROC v 1.3.1获得的受试者工作曲线（ROC）的曲线（AUC）[58]。将变量设置为2.8. 蛋白质-配体相互作用谱Ligplot+ [59]用于研究2D蛋白质-配体相互作用三强效二氯取代的苯并恶唑并三唑其包括氢键和疏水接触。PubChem CID [52] 53327690、723308和53327692的衍生物用作对接方案验证中的活性物质丙硫咪唑最好的命中姿势被保存在一个使用PyMOL可视化这些姿势的蛋白质-配体复合物的见图4。Ramachandran图的β-微管蛋白模型从N。在有利区域（A、B、L）中有92.3%的残基;在额外允许区域（a、b、l、p）中有7.7%的残基;在宽松允许区域（-a、-b、-p、-l）中有0.0%的残基;在不允许区域中有0%的残基。O. Agyapong等人医学信息学解锁26（2021）1007345+-然后将复合物加载到Ligplot工作空间中以生成蛋白质和配体之间的2D示意性分子间相互作用。2.9. HITS的驱虫活性研究物质活性谱预测（PASS）[60]是一种基于贝叶斯的机器学习技术，用于预测前30个命中的驱虫活性。驱虫药是治疗蠕虫感染的药物，包括钩虫感染。还对驱虫活性进行了药物库和文献检索，以支持基于命中的结构信息的PASS预测。2.10. 药物相似性和药理学特征分析命中的SMILES用于通过SwissADME获得PASS预测的蒽环类命中的药理学特征和理化性质[61]。考虑的参数包括分子量、用于评价药物相似性和胃肠道吸收的氢键受体和供体数量、用于评价药代动力学的P-gp底物和细胞色素P450抑制。2.11. 毒性预测分析使用DataWarrior v 4.5.2中的OSIRIS属性浏览器评价和分析PASS驱虫预测化合物的毒性特征[62]。OSIRIS explorer使用一组预先计算的已知有害化合物和片段来预测相关特性，包括致瘤性、致突变性、生殖效应和刺激性[62]。ADVERPred [63]还用于预测化合物的肾毒性和肝毒性2.12. 蛋白质-配体复合物的分子动力学和MM-PBSA分析对蛋白质-配体复合物进行了分子动力学模拟 在GROMACS v 2018中[64]。使用GROMOS 96_43a1力场生成建模的β-微管蛋白的蛋白质拓扑结构，而通过PRODRG [65]生成配体拓扑结构，具有定义的设置（手性：是，电荷：完全，EM：否）。然后构建蛋白质-配体复合物。该配合物与SPC水在尺寸为1.0 nm的立方体盒中溶剂化，并用Na和Cl离子中和。使用最速下降算法对50，000步进行复合物的能量最小化。在NVT和NPT系综模拟之前，配体被抑制。对每个系综进行100 ps的平衡模拟。对复合物进行了100 ns模拟的生产MD。使用分子力学泊松-玻尔兹曼表面积（MM-PBSA）方法，使用g_mmpbsa [66]在100 ns模拟中计算复合物的自由结合能。使用R编程包 以生成用于MM-PBSA模拟的图形。2.13. 抑制剂的从头设计潜在的铅络合物被用作通过e-LEA 3D从头设计新型配体的输入[67]。在建立对接功能时，选择10 μ m的结合位点半径和1的最终评分中的权重。被认为是在分子对接研究中使用的活性位点的坐标。最大构象异构体数、世代数和群体大小分别设定为1、30和303. 结果和讨论3.1. 模板识别、蛋白质同源建模、分子动力学模拟和验证Aguayo-Ortiz等人使用绵羊β-微管蛋白的晶体结构作为模板，生成线虫旋毛虫β-微管蛋白的同源模型，并预测含有保守残基的结合位点[30]。类似地，使用I-TASSER [31，68]，基于结合位点内保守氨基酸残基Phe 167、Glu 198和Phe 200的存在，选择PDB ID 5C 8 Y的微管蛋白酪氨酸连接酶（T2 R-TTL）晶体结构的D链作为同源性建模的最佳模板。与模板的序列比对也显示β-微管蛋白与T2 R-TTL的亚基同源，具有88%的序列同一性和94.3%的序列相似性（补充图2）。序列比对结果表明，预测的活性位点含有Phe167和Glu198残基。模型5被选为N.基于获得的最低离散优化势能（DOPE）得分53055.30859（表1），对美洲大蠊（UniProt ID W2T75）进行了计算。DOPE评分和GA341是用于评估建模蛋白质结构的准确性和可靠性的方法。DOPE是一种原子距离相关的统计方法，可用于评估生成模型的能量[69]。具有最低DOPE分数和最高GA341分数的模型被认为是合理的更好。得到的蛋白质模型是单体，折叠成β结构域，由11条β折叠链和11条βα-螺旋（Fig. 2 A和B）。3D模型的结构对齐，使用SuperPose [33]的模板给出了1.32 μ m的均方根偏差（RMSD）。获得的RMSD值表明蛋白质模型和模板之间的差异可接受[33]。此外，使用Modeller目标函数（molpdf）来测量所有约束的总和。模型的整体结构与预期的模板蛋白相似（图2B）。此外，结构比对揭示了在位置167和198处的保守关键氨基酸残基，但仅在位置200处存在残基差异，其中苯丙氨酸（芳香族非极性残基）存在于模型结构中，但酪氨酸（芳香族极性残基）存在于模板中;这两个残基仅相差一个羟基。此外，在100 - 1000 μ g/ml之间存在结合位点残基差异。图五. 通过CASTp预测模型结构的结合腔。预测的结合口袋被描绘为红色。（有关此图例中颜色的解释，请读者参阅本文的Web版本。O. Agyapong等人医学信息学解锁26（2021）1007346表2前30个命中和5个β-微管蛋白抑制剂的对接结果该表显示了命中的ID或通用名称、IUPAC名称及其结合能（kcal/mol）化合物以结合能的递增顺序排列。结合能越低，结合亲和力越好。IUPAC名称在MarvinSketch中生成。号ZINC ID/通用名/PubChem ID IUPAC名称绑定亲和力（kcal/mol）S，5 Z，8 Z，11 Z，13 E，17 Z）-15-羟基-1-（2，4，6-二甲氧基苯基）-2-甲基-IH-吡唑-4-甲酰胺15-甲基二十碳-5，8，11，13，17-五烯-1-酮ZINC14760755（5 Z，8 Z，11 Z，13 E，15 S，17 Z）-15-羟基-15-甲基-1-（2，4，6-三羟基苯基）二十碳-5，8，11，13，17-五烯-1-酮3-{[（2 E）-3，7-二甲基辛-2，6-二烯-1-基]氧基}-1，8-二氢氧基-6-甲基-9，10-二氢蒽-9-酮-8.7-8.6ZINC 95485927（3S，4aR，6aR，6bS，8aR，12aS，14aR，14bR）- 4，4，6a，6 b，8a，11，11，14 b-八甲基-（2 E）-3-（4-羟基-3-甲氧基苯基）丙-2-烯酸1，2，3，4，4a，5，6，6a，6 b，7，8，8a，9，10，11，12，12 a，14，14 a，14 b-二十氢吡喃-3-基-8.5ZINC95486082ZINC95486263（2S）-2-[2，2-二甲基-8-（3-甲基丁-2-烯-1-基）-3，4-二氢-2H-1-苯并吡喃-6-基]-7-羟基-3，4-二氢-2H-1-苯并吡喃-4-酮2-{4-[5-（5，7-二氢氧基-4-氧代-4H-色烯-2-基）-2-羟基苯氧基]-3-羟基苯基}-5，7-二氢氧基-4H-色烯-4-酮-8.5-8.5菜油甾醇（1 R，3aS，3bR，9aS，9 bS，11 aR）-1-[（2 R，5 R）-5，6-二甲基庚烷-2-基]-9a，11 a-二甲基-1H，2 H，3 H，3aH，3bH，4H，5 H，5aH，6 H，9 H，9 bH，10 H，11 H-环戊二烯并[a]菲-7-醇-8.4ZINC14780716ZINC95485922（2 E）-1-[2，4-二氢氧基-5-（3-甲基丁-2-烯-1-基）苯基]-3-[4-羟基-3-（3-甲基丁-2-烯-1-基）苯基]丙-2-烯-1-酮2-[（2 E）-3，7-二甲基辛-2，6-二烯-1-基]-1，3，5，8-四氢-4-（3-甲基丁-2-烯-1-基）-9H-X蒽-9-酮-8.3-8.3ZINC 95486052（2S）-2-[2，2-二甲基-8-（3-甲基丁-2-烯-1-基）-3，4-二氢-2H-1-苯并吡喃-6-基]-5，7-二氢氧基-3，4-二氢-2H-1-苯并吡喃-4-酮-8.3ZINC95485928Orthidine_ARobustaflavoneTetrahydrorobustaflavone ZINC13480348Siphonellinol_CZINC284625777-[（2 Z）-3，7-二甲基辛-2，6-二烯-1-基]-6，8，12-三氢-2，2-二甲基-2，5-二氢-1，10-二氢-2，5-二氧杂环己烷二氧四苯-5-酮N-[（2S，3S）-7-[（1 E）-2-脒基乙烯基]-3-（3，4-二氢氧苯基）-2，3-二氢-1，4-苯并二氧杂蒽-2-基]胍6-[5-（5，7-二氢氧基-4-氧代-4H-色烯-2-基）-2-羟基苯基]-5，7-二氢氧基-2-（4-羟基苯基）-4H-色烯-4-酮6-[5-（5，7-二氢氧基-4-氧代-4H-色烯-2-基）-2-羟基苯基]-5，7-二氢氧基-2-（4-羟基苯基）-4H-色烯-4-酮（2 R）-7-{[（2 E）-3，7-二甲基辛-2，6-二烯-1-基]氧基}-5，10-二氢氧基-2-甲基-4-氧基-1，2，3，4-四氢蒽-2-基乙酸酯(3R，5aR，6 R，7S，9aR）-6-{2-[（5S，6S）-5-羟基-6-[（2 E）-4-羟基-4-甲基-2-烯-1-基]-2，6-二甲基环己-1-烯-1-基]乙基}-2，2，5a，7-四甲基-六氢-3H-1-苯并氧杂卓-3，7-二醇-8.2-8.2-8.2-8.2-8.1-8.1-8.0ZINC 95486072（1 R，4S，5 R，8 R，13 R，14 S，17 S，18 R）-4，5，9，9，13，20，20-七甲基-24氧杂六环[15.5.2.01， 18.04，17.05， 14.08，13]二十四烷-10，22-二酮ZINC 95486073（1 R，4S，5 R，8 R，13 R，14 S，17 S，18 R）-4，5，9，9，13，20，20-七甲基-24氧杂六环[15.5.2.01， 18.04，17.05， 14.08，13]二十四烷-22-酮-8.0-8.0ZINC954860816，10-二甲基-9-亚甲基-2-（4-甲基-1，2-二氧杂双环[2.2.2]辛-5-烯-1-基）十一碳-5-烯多刺芹烯洋甘菊内酯_AZINC33833639ZINC95485992ZINC95486074（2S）-7-羟基-2-[（2 R，3S）-2-羟基-3-（3-甲基丁-2-烯-1-基）-3，4-二氢-2H-1-苯并吡喃-6-基]-3，4-二氢-2H-1-苯并吡喃-4-酮1-[（5E）-6，10-二甲基-9-亚甲基十一碳-5-烯-2-基]-4-甲基-2，3-二氧杂双环[2.2.2]辛-5-烯（5S）-3-[（13 S）-13-羟基-13-[（2S，2′ S，5S，5′R）(1R，3S，4S，5S，8R，10R，12R，13R，14S，15S）-8，15-bis（BENZOYLOXY）-3，7，11，11，14-pentamethyl-16-oX四环[11.2.1.01， 5.010，12]十六碳-6-烯-4-基苯甲酸酯（2S）-2-{[（2S，3R，4S）-3-（2-甲脒基乙基）-4-（3-甲脒基丙基）-2，@@[（1S）-1-{[（1E）-2-[（1S）-2-（三氟甲基）苯基]氨基}-2-甲基-苯并咪唑-3-基]-4-（三氟甲基）苯基}-1-[（1S）-1-{[（1E）-2-（三氟甲基）苯基]氨基}-2-甲基-苯并咪唑（4-羟基苯基）乙烯基]氨基甲酰基}乙基]-5-氧代吡咯烷-2-基]甲酰胺基}-N-[（1E）-2-（4-羟基苯基）乙烯基]丙酰胺（4aS，6aS，6bR，8aR，10S，12aR，12bS，14bS）-10-羟基-4a-（羟甲基）-2，2，6a，6b，9，9，12a-七甲基-1，2，3，4，4a，5，6，6a，6b，7，8，8a，9，10，11，12，12a，12b，13，14b-二十氢吡喃-5-酮（2E）-1-{2，3-{4-羟基-3-[（3E）-3-甲基-3-烯-1-基]苯基}-4-二氢氧基-5-[（3S）-3-羟基-4-甲基-4-烯-1-基]苯基}丙-2-烯-1-酮(1R，4S，5 R，8 R，10 S，13 R，14 S，17 S，18 R，22 S）-4，5，9，9，13，20，20-七甲基-24-氧杂六环[15.5.2.01， 18.04， 17.05， 14.08，13]二十四烷-10，22-二醇(3S，4aR，6aR，6 bS，8 R，8aS，12 aS，14 aS，14 bR）-8a-（羟甲基）-4，4，6a，6 b，11，11，14 b-七甲基-1，2，3，4，4a，5，6，6a，6 b，7，8，8a，9，10，11，12，12a，14，14 a，14 b-二十氢吡喃-3，8-二醇-7.9-7.9-7.9-7.9-7.9-7.8-7.8-7.8-7.8ZINC 133659593-[（1 S）-1-（1H-吲哚-6-基）-3-甲基丁-2-烯-1-基]-6-（3-甲基丁-2-烯-1-基）-1H-吲哚-7.7ZINC13485435ZINC15120680（1 R，10 S）-6，13-双（3-甲基丁-2-烯-1-基）-8，17-二氧杂四环[8.7.0.02，7.011，16]十七碳2，4，6，11（16），12，14-六烯-5，14-二醇2-[（2 E）-3，7-二甲基辛-2，6-二烯-1-基]-1，3，5，8-四氢氧-9H-氧蒽-9-酮-7.7-7.7N-（6-苯甲酰基-1H-1，3-苯并二唑-2-基）氨基甲酸甲苯咪唑甲酯PubChem CID 53327692 6，8-二氯-2-{[（4硝基苯基）氨基]甲基} [1，2，4]三唑并[3，4 b] [1，3]苯并恶唑-3（2 h）-苯并噻唑-6.4N-[6-（丙硫基）-1H-1，3-苯并二唑-2-基]氨基甲酸阿苯达唑甲酯PubChem CID 53327690 6，8-二氯[1，2，4]三唑并[3，4-b] [1，3]苯并恶唑-3（2 h）-喹啉-5.6PubChem CID 7233085，7-二氯-1，3-苯并恶唑-2-硫醇-4.8O. Agyapong等人医学信息学解锁26（2021）1007347-----+与其他家族的微管蛋白不同预测的结合口袋包括其突变与驱虫药抗性相关的所有残基（补充图4），计算面积为401.920m2，体积为164.250m3。形成43个残留物推定的结合口袋，这些包括保守残基Phe167，Glu198和Phe200（图11）。 5，补充图4）。3.4. 虚拟筛选分子对接是一种有用的计算技术，可为先导化合物的选择提供信息[73]。在针对活性位点筛选3390的积分线性度之后，基于它们的结合能选择最高命中用于进一步分析。使用PyMOL进一步可视化顶部命中的对接姿势。没有牢固地停靠在活动位点口袋中的命中被搜寻出来。结合能和对接位姿用作标准以选择30个命中物用于进一步评价。这些化合物具有较低的结合能比五个已知的抑制剂。表2显示了根据结合能排名的前30个命中S、5Z、8Z、11Z、13E、17 Z）-15-羟基-1-（2，4，6-三羟基苯基）-15-甲基二十碳-5，8，11，见图6。在筛选了255种化合物（包括5种抑制剂和250种诱饵）后生成的ROC曲线，N.美国人获得了可接受的AUC 0.71413，17-五烯-1-酮的结合能最低，为8.7 kcal/mol，表明可能存在较强的分 子 相 互 作 用 。 前 30 个 命 中 的 结 合 能 范 围 为 8.7 kcal/mol 至 7.7kcal/mol。此外，已知的钩虫β-微管蛋白抑制剂即阿苯达唑和甲苯达唑以及三种其他抑制剂的筛选结果也被证实。二氯取代苯并恶唑并三唑衍生物位置165和166，其中两个丝氨酸残基（极性氨基酸）存在于模型中，而天冬酰胺和苏氨酸（也是极性氨基酸）占据模板中的那些相应位置。此外，在位置317和370处存在氨基酸差异，其中甲硫氨酸和缬氨酸（疏水性氨基酸残基）存在于模型中，而异亮氨酸（也是疏水性氨基酸）存在于模板中的相应位置处。3.2. 模型改进和评估分别使用Swiss-PdbViewer [70]和GROMACS [64，71]对我们的最佳模型进行蛋白质模型优化和能量最小化对GROMACS生成的精细蛋白质模型轨迹的分析表明，RMSD从一开始就增加，但在0.5 ns的时间段后，它在模拟的剩余时间内保持相对稳定（图11）。 3）。这表明该模型具有非常低的骨架RMSD，具有较小的均方根（RMS）波动和灵活性，因此表明该模型条件良好。最终通过使用PROPERTIES生成Ramachandran图来评价优化结构的质量[41]。Ramachandran图突出了模拟蛋白质结构的最有利的、允许的、慷慨允许的和不允许的区域。理想情况下，合理高质量的模型应在核心区域中具有至少90%的残基[40]。预测模型的Ramachandran图显示，92.3%的残基在最有利区域内，而7.7%在允许区域内（图4），支持预测模型具有合理的高质量。此外，通过ERRAT预测的模型的总体质量因子为89.327（补充图3），这证实了蛋白质模型结构的质量。ERRAT [72]提供了非键合原子相互作用的总体质量因子，对于高质量模型，通常接受的值应大于50。当使用VERIFY 3D [42]进一步验证模型时，预测88.77%的残基的平均3D-1D评分大于0.2。3.3. 结合位点的预测与分析微管蛋白结合位点内的残基在蠕虫微管蛋白中通常具有高序列和结构保守性，表2）。在已知的抑制剂中，甲苯咪唑具有最低的结合能7.0 kcal/mol，其次是PubChem ID 53327692的化合物，其结合能为6.4 kcal/mol（表2）。对接结果显示前30个命中物具有比已知抑制剂相对较低的结合能3.5. 对接协议确认使用ROC曲线分析验证AutoDock Vina [54]的对接方案。针对β-微管蛋白模型筛选五种钩虫的 β- 微 管 蛋 白 抑 制 配 体 ， 包 括 阿 苯 达唑 、 甲 苯 达 唑 和 PubChem ID53327690 、 723308 和53327692 及其各自的诱饵，以产生ROC曲线。中华民国曲线评估对接模型曲线下面积（AUC）值为1时，被认为是一个完美的分类，低于0.5是穷人的歧视[75，76]。因此，0.7-0.8的AUC值被认为是可接受的，0.8-0.9的AUC值被解释为极好的。此外，高于0.9的AUC值被认为是显著的[75，77]。通过筛选通过AutoDock Vina对5种活性物和250种诱饵针对钩虫β-微管蛋白进行比较，从ROC曲线计算AUC值为0.714（图6）。计算的AUC值被认为是可接受的[75]。为了支持AutoDock Vina的ROC评价，先前报道的研究使用AutoDockVina成功筛选了针对蠕虫β-微管蛋白受体的化合物[51，78]。对预测的化合物进行了实验，并证实其为有效的蠕虫抑制剂，表明AutoDock Vina是一种用于衍生N. 美国人3.6. 结合机制的表征氢键和疏水相互作用对于受体结合口袋中配体的稳定至关重要[79]。蛋白质-配体相互作用取决于配体的结构和官能团[