طراحی مهارکننده دارویی آنزیم سیکلو اکسیژناز ۲ جهت کاهش التهاب و درد
Publish Year: 1395
نوع سند: مقاله ژورنالی
زبان: Persian
View: 442
This Paper With 10 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
JR_SHIMU-24-6_020
تاریخ نمایه سازی: 5 آذر 1400
Abstract:
مقدمه: در مطالعه پیش رو، به منظور کاهش عوارض جانبی داروهای ضد التهابی و افزایش اختصاصیت آن ها، از طریق زیست شناسی محاسباتی و دانش بیوانفورماتیک، مهارکننده دارویی جدیدی طراحی شد.
مواد و روش ها: به این منظور ابتدا ۱۵۰۰۰۰ ترکیب با خاصیت دارویی از پایگاه داده ZINC و هم چنین فایل مربوط به ساختار آنزیم سیکلواکسیژناز ۲، از پایگاه داده(Research Collaboratory for Structural Bioinformatics) RCSB استخراج شدند. پس از آماده سازی آن ها، تمام این ترکیبات شیمیایی با آنزیم مورد نظر به منظور انتخاب بهترین مهارکننده دارویی(لیگاند)، داک شدند.
یافته های پژوهش: پس از بررسی محاسبات،۱۰ ترکیب از لیگاندهایی که حاصل عمل داکینگ بودند، بر اساس انرژی آزاد گیبس(کمترینΔG ) انتخاب شدند. بر اساس نتایج به دست آمده از عمل داکینگ، اتصال مهارکننده به آنزیم سیکلواکسیژناز ۲، موجب تغییر کنفورماسیونی آنزیم، کاهش انرژی پتانسیل و افزایش پایداری کمپلکس مهارکننده-آنزیم شد.
بحث و نتیجه گیری: با توجه به نتایج به دست آمده در این تحقیق، ترکیبات می توانند با قرارگیری در جایگاه فعال آنزیم، التهاب و درد را در بیماری های مختلف التهابی، بر اساس اختصاصیت بیشتر و در نهایت توکسیسیتی کمتر، کاهش دهند.
Keywords:
Cyclooxygenase۲ , Molecular docking , Nonsteroidal anti-inflammatory drug , Virtual screening , molecular dynamics , سیکلواکسیژناز ۲ , داکینگ مولکولی , داروهای ضد التهاب غیر استروئیدی , غربالگری مجازی , دینامیک مولکولی
Authors
پویان اسدی
Young Researchers and Elite Club, Gorgan Branch, Islamic Azad University, Gorgan, Iran
الهه علی ویسی
Dept of Clinical Biochemistry, Faculty of Medicine, Ilam University of Medical Sciences, Ilam, Iran
نازنین نوراللهی مقدم
Dept of Chemistry, Faculty of Science, University of Payam Noor Behshahr, Behshahr, Iran
مراجع و منابع این Paper:
لیست زیر مراجع و منابع استفاده شده در این Paper 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 Paper لینک شده اند :