Preview

Доклады Национальной академии наук Беларуси

Расширенный поиск

Идентификация потенциальных ингибиторов коронавируса SARC-CoV-2 методами виртуального скрининга и молекулярного моделирования

https://doi.org/10.29235/1561-8323-2020-64-3-308-316

Аннотация

С целью поиска низкомолекулярных соединений, способных имитировать структурно-функциональные свойства высокоаффинного лиганда X77 основной протеазы коронавируса SARS-CoV-2 – этиологического агента COVID-19, осуществлен виртуальный скрининг 9 молекулярных библиотек веб-сервера Pharmit, содержащих более 213,5 млн химических структур. С помощью методов молекулярного моделирования проведена оценка нейтрализующей активности идентифицированных молекул, в результате которой обнаружены 5 соединений-лидеров, перспективных для синтеза и тестирования на противовирусную активность. Показано, что эти соединения могут быть использованы в качестве базовых структур для разработки эффективных лекарственных препаратов для терапии коронавирусной инфекции нового типа.

Об авторах

А. М. Андрианов
Институт биоорганической химии Национальной академии наук Беларуси
Беларусь

Андрианов Александр Михайлович – д-р хим. наук, гл. науч. сотрудник

ул. Купревича, 5/2, 220141, Минск



Ю. В. Корноушенко
Институт биоорганической химии Национальной академии наук Беларуси
Беларусь

Корноушенко Юрий Валерьевич – канд. хим. наук, ст. науч. сотрудник

ул. Купревича, 5/2, 220141, Минск



А. Д. Карпенко
Объединенный институт проблем информатики Национальной академии наук Беларуси
Беларусь

Карпенко Анна Дмитриевна – аспирант

ул. Сурганова, 6, 220012, Минск



А. В. Тузиков
Объединенный институт проблем информатики Национальной академии наук Беларуси
Беларусь

Тузиков Александр Васильевич – член-корреспондент, д-р физ.-мат. наук, профессор, генеральный директор

ул. Сурганова, 6, 220012, Минск



Список литературы

1. Genomic characterisation and epidemiology of 2019 novel coronavirus: implications for virus origins and receptor binding / R. Lu [et al.] // Lancet. - 2020. - Vol. 395, N 10224. - P. 565–574. https://doi.org/10.1016/s0140-6736(20)30251-8

2. A familial cluster of pneumonia associated with the 2019 novel coronavirus indicating person-to-person transmission: a study of a family cluster / J. F.-W. Chan [et al.] // Lancet. - 2020. - Vol. 395, N 10223. - P. 514–523. https://doi.org/10.1016/s0140-6736(20)30154-9

3. SARS and MERS: recent insights into emerging coronaviruses / E. de Wit [et al.] // Nat. Rev. Microbiol. – 2016. – Vol. 14, N 8. – P. 523–534. https://doi.org/10.1038/nrmicro.2016.81

4. Chen, y. Emerging coronaviruses: genome structure, replication, and pathogenesis / y. Chen, Q. Liu, D. Guo // J. Med. Virology. – 2020. – Vol. 92, N 4. – P. 418–423. https://doi.org/10.1002/jmv.25681

5. Structure of MPro from COVID-19 virus and discovery of its inhibitors / Z. Jin [et al.] // bioRxiv. – 2020. https://doi.org/10.1101/2020.02.26.964882

6. Liu, X. Potential inhibitors for 2019-nCoV coronavirus M protease from clinically approved medicines / X. Liu, X.-J. Wang // bioRxiv. – 2020. https://doi.org/10.1101/2020.01.29.924100

7. Therapeutic Drugs Targeting 2019-nCoV Main Protease by High-Throughput Screening / y. Li [et al.] // bioRxiv. – 2020. https://doi.org/10.1101/2020.01.28.922922

8. Nelfinavir was predicted to be a potential inhibitor of 2019-nCov main protease by an integrative approach combining homology modelling, molecular docking and binding free energy calculation / Z. Xu [et al.] // bioRxiv. – 2020. https://doi.org/10.1101/2020.01.27.921627

9. Phylogenetic network analysis of SARS-CoV-2 genomes / P. Forster [et al.] // Proc. Natl. Acad. Sci. – 2020. – Vol. 117, N 17. – P. 9241–9243. https://doi.org/10.1073/pnas.2004999117

10. Sunseri, J. Pharmit: interactive exploration of chemical space / J. Sunseri, D. R. Koes // Nucl. Acids Res. – 2016. – Vol. 44, N W1. – P. W442–W448. https://doi.org/10.1093/nar/gkw287

11. Experimental and computational approaches to estimate solubility and permeability in drug discovery and development settings / C. A. Lipinski [et al.] // Adv. Drug Deliv. Rev. – 2001. – Vol. 46, N 1–3. – P. 3–26. https://doi.org/10.1016/s0169-409x(00)00129-0

12. Fast, accurate, and reliable molecular docking with QuickVina 2 / A. Alhossary [et al.] // Bioinformatics. – 2015. – Vol. 31, N 13. – P. 2214–2216. https://doi.org/10.1093/bioinformatics/btv082

13. Durrant, J. D. BINANA: A novel algorithm for ligand-binding characterization / J. D. Durrant, J. A. McCammon // J. Mol. Graph. Model. – 2011. – Vol. 29, N 6. – P. 888–893. https://doi.org/10.1016/j.jmgm.2011.01.004

14. Durrant, J. D. NNScore 2.0: A neural-network receptor-ligand scoring function / J. D. Durrant, J. A. McCammon // J. Chem. Inf. Model. – 2011. – Vol. 51, N 11. – P. 2897–2903. https://doi.org/10.1021/ci2003889

15. Sharma, G. Thermodynamic analysis reveals a temperature-dependent change in the catalytic mechanism of Bacillus stearothermophilus tyrosyl-tRNA synthetase / G. Sharma, E. A. First // J. Biol. Chem. – 2009. – Vol. 284, N 7. – P. 4179–4190. https://doi.org/10.1074/jbc.m808500200


Рецензия

Просмотров: 1711


Creative Commons License
Контент доступен под лицензией Creative Commons Attribution 4.0 License.


ISSN 1561-8323 (Print)
ISSN 2524-2431 (Online)