PHÂN TÍCH TƯƠNG TÁC PHÂN TỬ LIÊN QUAN ĐẾN TÁC DỤNG KHÁNG UNG THƯ GAN CỦA DAPHNEGEN B BẰNG MÔ PHỎNG DOCKING IN SILICO

Hoàng Thị Mai; Nguyễn Đức Hùng; Nguyễn Thị Ngọc Lan; Chu Hoàng Mậu

doi:10.34238/tnu-jst.14442

PHÂN TÍCH TƯƠNG TÁC PHÂN TỬ LIÊN QUAN ĐẾN TÁC DỤNG KHÁNG UNG THƯ GAN CỦA DAPHNEGEN B BẰNG MÔ PHỎNG DOCKING IN SILICO

Thông tin bài báo

Ngày nhận bài: 05/01/26 Ngày hoàn thiện: 30/03/26 Ngày đăng: 30/03/26

Các tác giả

1. Hoàng Thị Mai, Trung tâm Giáo dục thường xuyên Thái Nguyên
2. Nguyễn Đức Hùng , Trường Đại học Sư phạm – ĐH Thái Nguyên
3. Nguyễn Thị Ngọc Lan, Trường Đại học Sư phạm – ĐH Thái Nguyên
4. Chu Hoàng Mậu, Trường Đại học Sư phạm – ĐH Thái Nguyên

Tóm tắt

Ung thư gan vẫn là gánh nặng y tế đáng kể, với tiên lượng kém do thường được phát hiện muộn và dễ tái phát, vì vậy việc sàng lọc các hợp chất tự nhiên làm ứng viên điều trị mới là cần thiết. Nghiên cứu này khảo sát Daphnegen B bằng phương pháp in silico thông qua mô phỏng docking và dự báo ADMET (hấp thu – phân bố – chuyển hoá – bài tiết – độc tính), đồng thời so sánh với Paclitaxel. Kết quả docking cho thấy cả hai ligand đều hình thành liên kết hydro, lực van der Waals và tương tác kỵ nước trong túi liên kết protein đích; trong đó Daphnegen B cho năng lượng liên kết -6,87 kcal/mol, thuận lợi hơn Paclitaxel (-6,54 kcal/mol). Phân tích ADMET cho thấy Daphnegen B có hấp thu ruột người 60,038% và độ tan -3,937 log mol/L, thấp hơn Paclitaxel (100% và -3,158), nhưng lại có tính thấm Caco-2 0,97 và Fu 0,382 cao hơn (so với 0,623 và 0). Đồng thời, Daphnegen B không ghi nhận các cảnh báo chính về AMES, hERG I/II và độc tính gan, trong khi Paclitaxel xuất hiện tín hiệu bất lợi ở hERG II và độc tính gan trong bộ chỉ số dự báo. Các kết quả này gợi ý Daphnegen B là ứng viên triển vọng để tiếp tục kiểm chứng thực nghiệm và tối ưu hoá theo định hướng phát triển tác nhân kháng ung thư gan.

Từ khóa

6GL8; Chết theo chương trình; Daphnegen B; Đặc tính giống thuốc; Docking phân tử

Toàn văn:

PDF

Tài liệu tham khảo

[1] Q. Li, C. Ding, M. Cao, F. Yang, X. Yan, S. He, M. Cao, S. Zhang, Y. Teng, N. Tan, J. Wang, C. Xia, and W. Chen, “Global epidemiology of liver cancer 2022: An emphasis on geographic disparities,” Chinese Medical Journal, vol. 137, no. 19, pp. 2334-2342, 2024.

[2] Z. Hou, G. Yao, and S. Song, “Daphnane-type diterpenes from genus Daphne and their anti-tumor activity,” Chinese Herbal Medicines, vol. 13, no. 2, pp. 145-156, 2021.

[3] M. J. Balunas and A. D. Kinghorn, “Drug discovery from medicinal plants,” Life Sciences, vol. 78, no. 5, pp. 431–441, 2005.

[4] P. Chihomvu, A. Ganesan, S. Gibbons, K. Woollard, and M. A. Hayes, “Phytochemicals in drug discovery-a confluence of tradition and innovation,” International Journal of Molecular Sciences, vol. 25, no. 16, 2024, Art. no. 8792.

[5] A. AlQathama, A. Bader, A. Al-Rehaily, S. Gibbons, and J. M. Prieto, “In vitro cytotoxic activities of selected Saudi medicinal plants against human malignant melanoma cells (A375) and the isolation of their active principles,” European Journal of Integrative Medicine, vol. 49, 2022, Art. no. 102083.

[6] S. Hashem, T. A. Ali, S. Akhtar, S. Nisar, G. Sageena, S. Ali, S. Al-Mannai, L. Therachiyil, R. Mir, I. Elfaki, M. M. Mir, F. Jamal, T. Masoodi, S. Uddin, M. Singh, M. Haris, M. Macha, and A. A. Bhat, “Targeting cancer signaling pathways by natural products: Exploring promising anti-cancer agents,” Biomedicine & Pharmacotherapy, vol. 150, 2022, Art. no 113054.

[7] A. S. Choudhari, P. C. Mandave, M. Deshpande, P. Ranjekar, and O. Prakash, “Phytochemicals in cancer treatment: From preclinical studies to clinical practice,” Frontiers in Pharmacology, vol. 10, 2020, Art. no. 1614.

[8] Y. Chen, C.-L. Zhao, W. Dong, F.-F. Song, L.-N. Guo, H.-L. Zhang, L. Zhen, L. Li, J. Ye, and B. Song, “Tigliane-and daphnane-type diterpenoids from the buds of Daphne genkwa with their cytotoxic activities,” Natural Product Research, vol. 37, no. 18, pp. 3163–3169, 2023.

[9] R. Raj, A. K. Tripathi, P. Saranya, J. kaur, R. S. Pal, K. Singh, D. Jain, M. Chaitanya, and S. Kumar, “A review of molecular investigations on traditional Chinese medicinal plant-based therapies in multidrug-resistant tuberculosis,” Pharmacological Research - Modern Chinese Medicine, vol. 13, 2024, Art. no. 100521.

[10] A. Tiwari and S. Singh, “Computational approaches in drug designing,” in Bioinformatics, D. B. Singh and R. K. Pathak, Eds. Boston: Academic Press, 2022, pp. 207–217.

[11] N. S. Nor Hisam, A. Ugusman, N. F. Rajab, M. F. Ahmad, M. Fenech, S. L. Liew, and N. N. Mohamad Anuar, “Combination therapy of navitoclax with chemotherapeutic agents in solid tumors and blood cancer: a review of current evidence,” Pharmaceutics, vol. 13, no. 9, 2021, Art. no. 1353.

[12] C. V. Hoang, T. Q. Tu, H. D. Nguyen, and M. H. Chu, “In silico studies of saponins from Hoya verticillata var. verticillate with important apoptosis potency,” Letters in Organic Chemistry, vol. 22, no. 11, pp. 846–854, 2025.

[13] P. Casara, J. Davidson, A. Claperon, G. Le Toumelin-Braizat, M. Vogler, A. Bruno et al., “S55746 is a novel orally active BCL-2 selective and potent inhibitor that impairs hematological tumor growth,” Oncotarget, vol. 9, no. 28, 2018, Art. no. 20075.

[14] D. E. V Pires, T. L. Blundell, and D. B. Ascher, “pkCSM: Predicting small-molecule pharmacokinetic and toxicity properties using graph-based signatures,” Journal of Medicinal Chemistry, vol. 58, no. 9, pp. 4066–4072, 2015.

[15] Z. Ma, A. Ajibade, and X. Zou, “Docking strategies for predicting protein-ligand interactions and their application to structure-based drug design,” Communications in information and systems, vol. 24, no. 3, pp. 199-230, 2024.

[16] G. G. Ferenczy and M. Kellermayer, “Contribution of hydrophobic interactions to protein mechanical stability,” Computational and Structural Biotechnology Journal, vol. 20, pp. 1946–1956, 2022.

[17] B. Yang, P. Ren, L. Xing, S. Wang, and C. Sun, “Roles of hydrogen bonding interactions and hydrophobic effects on enhanced water structure in aqueous solutions of amphiphilic organic molecules,” Spectrochimica Acta Part A: Molecular and Biomolecular Spectroscopy, vol. 296, 2023, Art. no. 122605.

[18] A. Husain, V. Makadia, G. R. Valicherla, M. Riyazuddin, and J. R. Gayen, “Approaches to minimize the effects of P-glycoprotein in drug transport: A review,” Drug Development Research, vol. 83, no. 4, pp. 825–841, 2022.

[19] T. T. Tran, H. Tayara, and K. T. Chong, “Recent studies of artificial intelligence on in silico drug distribution prediction,” International journal of molecular sciences, vol. 24, no. 3, 2023, Art. no. 1815.

[20] A. Kumar, S. G. Kini, and E. Rathi, “A recent appraisal of artificial intelligence and in silico admet prediction in the early stages of drug discovery,” Mini Reviews in Medicinal Chemistry, vol. 21, no. 18, pp. 2788–2800, 2021.

[21] T. M. Creanza, P. Delre, N. Ancona, G. Lentini, M. Saviano, and G. F. Mangiatordi, “Structure-based prediction of hERG-related cardiotoxicity: A benchmark study,” Journal of Chemical Information and Modeling, vol. 61, no. 9, pp. 4758–4770, 2021.

[22] C. G. Jackson, T. Hung, E. Segelov, P. Barlow, H. Prenen, B. McLaren et al., “Oral paclitaxel with encequidar compared to intravenous paclitaxel in patients with advanced cancer: A randomised crossover pharmacokinetic study,” British Journal of Clinical Pharmacology, vol. 87, no. 12, pp. 4670–4680, 2021.

DOI: https://doi.org/10.34238/tnu-jst.14442

Các bài báo tham chiếu

Hiện tại không có bài báo tham chiếu



Ghi nhớ