КОМПЬЮТЕРНОЕ МОДЕЛИРОВАНИЕ ВЗАИМОДЕЙСТВИЯ ИЗОВАЛЬТРАТА С АДЕНОЗИНОВЫМ РЕЦЕПТОРОМ A1

DOI: https://doi.org/10.29296/25877313-2019-09-03
Номер журнала: 
9
Год издания: 
2019

Г.Ф. Куракин ординатор, кафедра биохимии с курсом клинической лабораторной диагностики, ФГБОУ ВО «Тверской государственный медицинский университет» Минздрава России E-mail: phyzyk@mail.ru Н.П. Лопина к.х.н., доцент, кафедра химии, ФГБОУ ВО «Тверской государственный медицинский университет» Минздрава России Г.Е. Бордина к.б.н., доцент, кафедра химии, ФГБОУ ВО «Тверской государственный медицинский университет» Минздрава России

Изовальтрат – содержащийся в корнях валерианы валепотриат – является обратным агонистом аденозинового рецептора A1 с микромолярной аффинностью. Проведено молекулярное моделирование взаимодействия изовальтрата с данным рецептором методом гибкого докинга. Моделирование показало, что изовальтрат при связывании с аденозиновым рецептором A1 имитирует ксантиновые антагонисты, занимая сходное положение и образуя аналогичные связи. Такое взаимодействие возможно за счёт геометрически сходного бициклического ядра, а также аналогичного расположения боковых цепей и акцепторов водородных связей. Полученные данные могут быть использованы в дизайне новых лекарственных препаратов на основе валепотриатов.

Ключевые слова: 
изовальтрат
валепотриаты
валериана
аденозиновый рецептор
компьютерное моделирование

Список литературы: 
  1. Awang D.V.C. Valerian // In: Encyclopedia of Dietary Supplements, Second Edition. Ed. by P. Coates, J. Betz, M. Blackman, G. Cragg, M. Levine, J. Moss, J. White. Boca Raton, CRC Press, 2010.
  2. Patočka J., Jakl J. Biomedically relevant chemical constituents of Valeriana officinalis // Journal of applied biomedicine. 2010; 8(1): 11–18.
  3. Dingermann T., Loew D. Phytopharmakologie: experimentelle und klinische Pharmakologie pflanzlicherArzneimittel. Stuttgart: Wiss. Verlagsges. mbH. 2003. XIV, 367 S.
  4. Lacher S. K., Mayer R., Sichardt K., Nieber K., Müller C. E.. Inter-action of valerian extracts of different polarity with adenosine recep-tors: identification of isovaltrate as an inverse agonist at A1 recep-tors // Biochemical pharmacology. 2007; 73(2): 248–258.
  5. Sachdeva S., Gupta M. Adenosine and its receptors as therapeutic targets: an overview // Saudi Pharmaceutical Journal. 2013; 21(3): 245–253.
  6. Schingnitz G., Küfner-Mühl U., Ensinger H., Lehr E., Kuhn F. J. Selective A1-antagonists for treatment of cognitive deficits // Nucle-osides & Nucleotides. 1991; 10(5): 1067–1076.
  7. Daina A., Michielin O., Zoete V. SwissTargetPrediction: updated data and new features for efficient prediction of protein targets of small molecules // Nucleic acids research. 2019.
  8. Berman H. M., Westbrook J., Feng Z., Gilliland G., Bhat T. N., Weissig H., Shindyalov I. N., Bourne, P. E. The Protein Data Bank // Nucleic Acids Res. 2000; 28 (1): 235–242.
  9. Draper-Joyce C.J., Khoshouei M., Thal D. M. et al. Structure of the adenosine-bound human adenosine A1 receptor–Gi complex // Nature. 2018; 558 (7711): 559–563.
  10. Jarmolinska A.I., Kadlof M., Dabrowski-Tumanski P., Sulkowska J.I. GapRepairer – a server to model a structural gap and validate it using topological analysis // Bioinformatics. 2018; 1: 8.
  11. Waterhouse A., Bertoni M., Bienert S., Studer G., Tauriello G., Gumienny R., Heer F.T., de Beer T.A.P., Rempfer C., Bordoli L., Lepore R., Schwede T. SWISS-MODEL: homology modelling of protein structures and complexes// Nucleic Acids Res. 2018; 46 (W1): W296–W303.
  12. The UniProt Consortium. UniProt: the universal protein knowledgebase // Nucleic Acids Research. 2017; 45 (D1): D158–D169.
  13. Kim S., Thiessen P. A., Bolton E. E. et al. PubChem Substance and Compound databases // Nucleic Acids Res. 2016; 44(Database is-sue): D1202–D1213.
  14. Irwin J.J., Sterling T., Mysinger M.M., Bolstad E.S., Coleman R.G. ZINC: a free tool to discover chemistry for biology // Journal of chemical information and modeling. 2012; 52 (7): 1757–1768.
  15. Lee G.R., Seok C. Galaxy7TM: flexible GPCR–ligand docking by structure refinement // Nucleic acids research. 2016; 44 (W1): W502–W506.
  16. Pettersen E.F., Goddard T.D., Huang C.C., Couch G.S., Green-blatt D.M., Meng E.C., Ferrin T.E. UCSF Chimera – a visualiza-tion system for exploratory research and analysis // Journal of com-putational chemistry. 2004; 25 (13): 1605–1612.
  17. Jiménez Luna J., Skalic M., Martinez-Rosell G., De Fabritiis G.. KDEEP: Protein-ligand absolute binding affinity prediction via 3D-convolutional neural networks // Journal of chemical information and modeling. 2018; 58 (2): 287–296.
  18. Doré A. S., Robertson N., Errey J. C. et al. Structure of the adeno-sine A2A receptor in complex with ZM241385 and the xanthines XAC and caffeine // Structure. 2011; 19(9): 1283–1293.
  19. Cheng R.K.Y., Segala E., Robertson N., Deflorian F., Doré A.S., Errey J.C., Fiez-Vandal C., Marshall F.H., Cooke R.M. Structures of human A1 and A2A adenosine receptors with xanthines reveal de-terminants of selectivity // Structure. 2017; 25(8): 1275–1285. e4.
  20. Куракин Г. Ф., Лопина Н. П., Бордина Г. Е. Компьютерное моделирование взаимодействия флавоноидов с аденозиновыми рецепторами // Вопросы биологической, медицинской и фарма-цевтической химии. 2019; 22(1): 42–47 (Kurakin G.F., Lopina N.P., Bordina G.E. Computational modelling of interaction between flavonoids and adenosine receptors [In Russian] // Problems of bio-logical, medicinal and pharmaceutical chemistry. 2019; 22(1): 42–47).
  21. Harding S.D., Sharman J.L., Faccenda E. et al. The IUPHAR/BPS Guide to PHARMACOLOGY in 2018: updates and expansion to encompass the new guide to IMMUNOPHARMACOLOGY // Nucl. Acids Res. 2018; 46(D1): D1091–D1106.