High-Throughput Virtual Screening, Molecular Dynamics Simulation, and Enzyme Kinetics Identified ZINC84525623 as a Potential Inhibitor of NDM-1
Notice bibliographique
Résumé
The bacteria expressing New Delhi Metallo-β-lactamase-1 (NDM-1) can hydrolyze all β-lactam antibiotics including carbapenems, causing multi-drug resistance. The worldwide emergence and dissemination of gene blaNDM-1 (produces NDM-1) in hospital and community settings, rising problems for public health. Indeed, there is an urgent need for NDM-1 inhibitors to manage antibiotic resistance. Here, we have identified novel non-β-lactam ring-containing inhibitors of NDM-1 by applying a high-throughput virtual screening of lead-like subset of ZINC database. The screened compounds were followed for the molecular docking, the molecular dynamics simulation, and then enzyme kinetics assessment. The adopted screening procedure funnels out five novel inhibitors of NDM-1 including ZINC10936382, ZINC30479078, ZINC41493045, ZINC7424911, and ZINC84525623. The molecular mechanics-generalized born surface area and molecular dynamics (MD) simulation showed that ZINC84525623 formed the most stable complex with NDM-1. Furthermore, analyses of the binding pose after MD simulation revealed that ZINC84525623 formed two hydrogen bonds (electrostatic and hydrophobic interaction) with key amino acid residues of the NDM-1 active site. The docking binding free energy and docking binding constant for the ZINC84525623 and NDM-1 interaction were estimated to be −11.234 kcal/mol, and 1.74 × 108 M−1 respectively. Steady-state enzyme kinetics in the presence of ZINC84525623 show the decreased catalytic efficiency (i.e., kcat/Km) of NDM-1 on various antibiotics. The findings of this study would be helpful in identifying novel inhibitors against other β-lactamases from a pool of large databases. Furthermore, the identified inhibitor (ZINC84525623) could be developed as efficient drug candidates.
Récupéré en direct depuis OpenAlex et désinversé. Les résumés ne sont pas conservés dans cette base de données : les index inversés représentent 8,6 Go des 9,3 Go de texte de la base, et le serveur dispose de 13 Go libres.
Comment cette classification a été obtenuedéplier
Prédiction machine sur la base complète
Imitation des enseignantsNi prévalence calibrée, ni vérité terrain. Validation humaine à venir. Le volet Gemma est une étiquette directe du modèle pour chaque travail de la base, lue sur la notice réduite au titre. Le volet Codex est un classifieur appris des 10 348 étiquettes directes de Codex et calibré sur les taux pondérés de l'échantillon; les champs sans appui suffisant ne portent aucun appel Codex. Le mode candidate est l'union des deux volets; le consensus est leur intersection. Ces sorties portent le statut machine_predicted_unvalidated et ne sont pas des étiquettes humaines.
Scores du classifieur distillé par catégorie (deux têtes)
| Catégorie | Codex | Gemma |
|---|---|---|
| Métarecherche | 0,000 | 0,000 |
| Méta-épidémiologie (sens strict) | 0,001 | 0,000 |
| Méta-épidémiologie (sens large) | 0,001 | 0,001 |
| Bibliométrie | 0,000 | 0,001 |
| Études des sciences et des technologies | 0,000 | 0,000 |
| Communication savante | 0,001 | 0,000 |
| Science ouverte | 0,001 | 0,000 |
| Intégrité de la recherche | 0,000 | 0,001 |
| Charge utile insuffisante (le modèle a refusé de juger) | 0,002 | 0,000 |
Scores machine (provisoires)
Les deux têtes enseignantes du modèle étudiant, lues sur ce travail. Un score ordonne la base pour la relecture; il n'affirme jamais une catégorie, et le statut de validation accompagne chaque rangée tel quel.
Scores de référence d'un modèle non mature (critères de maturité non atteints, 7 itérations). Un score ordonne; il n'affirme jamais une catégorie.
score_only:v0-immature-baseline · tel quel depuis la passe de notation : score_only signifie que le nombre peut ordonner les travaux, et qu'aucune étiquette de catégorie n'en découleClassification
machine, non validéePrédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.
Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».