MétaCan
Menu
Retour à la cohorte
Enregistrement W4388653585 · doi:10.1080/07391102.2023.2281637

Design of new Mcl-1 inhibitors for cancer using fragments hybridization, molecular docking, and molecular dynamics studies

2023· article· en· W4388653585 sur OpenAlexaff
Abdulrahim A. Alzain, Fatima A. Elbadwi, Rua M. Mukhtar, Tagyedeen H. Shoaib, Nihal Abdelmoniem, Samar F. Miski, Kholoud F. Ghazawi, Marwa Alsulaimany, Shaimaa G. A. Mohamed, Bayan E. Ainousah, Hazem G. A. Hussein, Gamal A. Mohamed, Sabrin R. M. Ibrahim

Notice bibliographique

RevueJournal of Biomolecular Structure and Dynamics · 2023
Typearticle
Langueen
DomaineComputer Science
ThématiqueComputational Drug Discovery Methods
Établissements canadiensUniversity of British Columbia
Organismes subventionnairesnon disponible
Mots-clésPharmacophoreADMEIn silicoComputational biologyDocking (animal)ChemistryDrug discoveryMolecular dynamicsDrug developmentRational designCombinatorial chemistryDrugPharmacologyStereochemistryBiochemistryBiologyComputational chemistryIn vitroGeneticsGeneMedicine

Résumé

récupéré en direct d'OpenAlex

Apoptosis is a critical process that regulates cell survival and death and plays an essential role in cancer development. The Bcl-2 protein family, including myeloid leukemia 1 (Mcl-1), is a key regulator of the intrinsic apoptosis pathway, and its overexpression in many human cancers has prompted efforts to develop Mcl-1 inhibitors as potential anticancer agents. In this study, we aimed to design new Mcl-1 inhibitors using various computational techniques. First, we used the Mcl-1 receptor-ligand complex to build an e-pharmacophore hypothesis and screened a library of 567,000 fragments from the Enamine database. We obtained 410 fragments and used them to design 92,384 novel compounds, which we then docked into the Mcl-1 binding cavity using HTVS, SP, and XP docking modes of Glide. To assess their suitability as drug candidates, we conducted MM-GBSA calculations and ADME prediction, leading to the identification of 10 compounds with excellent binding affinity and favorable pharmacokinetic properties. To further investigate the interaction strength, we performed molecular dynamics simulations on the top three Mcl-1 receptor-ligand complexes to study their interaction stability. Overall, our findings suggest that these compounds have promising potential as anticancer agents, pending further experimental validation such as Mcl-1 apoptosis Assay. By combining experimental methods with various in silico approaches, these techniques prove to be invaluable for identifying novel drug candidates with distinct therapeutic applications using fragment-based drug design. This methodology has the potential to expedite the drug discovery process while also reducing its costs.Communicated by Ramaswamy H. Sarma

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 enseignants

Ni 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.

score de la tête « metaresearch » (Codex)0,000
score de la tête « metaresearch » (Gemma)0,000
Version: metacan-v3-hybrid-931329e0061cStatut de validation: machine_predicted_unvalidated
Catégories candidatesaucune
Catégories consensuellesaucune
DomaineSignal candidat: aucune · Signal consensuel: aucune
Devis d'étudeSignal candidat: Simulation ou modélisation · Signal consensuel: Simulation ou modélisation
GenreSignal candidat: Méthodes · Signal consensuel: aucune
Score de désaccord entre enseignants0,002
Score d'incertitude au seuil0,004

Scores du classifieur distillé par catégorie (deux têtes)

CatégorieCodexGemma
Métarecherche0,0000,000
Méta-épidémiologie (sens strict)0,0010,000
Méta-épidémiologie (sens large)0,0010,001
Bibliométrie0,0000,000
Études des sciences et des technologies0,0000,000
Communication savante0,0000,001
Science ouverte0,0010,000
Intégrité de la recherche0,0000,001
Charge utile insuffisante (le modèle a refusé de juger)0,0010,000

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.

Tête enseignante Opus0,028
Tête enseignante GPT0,344
Écart entre enseignants0,316 · la distance entre les deux têtes enseignantes sur ce seul travail
Statut de validationscore_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 découle

Classification

machine, non validée

Prédiction automatique; un appel candidat d’une seule source (Gemma direct ou Codex distillé), pas un consensus.

Les modèles n’ont appliqué aucune catégorie : rien dans la taxonomie ne correspondait à ce travail.
Devis d'étudeSimulation ou modélisation
Domainenon disponible
GenreMéthodes

Le détail, modèle par modèle et score par score, se trouve en fin de page sous « Comment cette classification a été obtenue ».

En bref

Citations10
Publié2023
Routes d'admission1
Résumé présentoui

Explorer davantage

Même revueJournal of Biomolecular Structure and DynamicsMême sujetComputational Drug Discovery MethodsTravaux en français237 207