靶向TNF-α的植物抗炎先导化合物的计算机模拟筛选（英文）

作者：Sumit Arora^*; Pallavi Rushiya; Kalpana Tirpude; Nidhi Sapkal; Subhash Yende; Abhay Ittadwar; Sapan Shah

来源：数字中医药(英文), 2022, 5(03): 264-275.

• 炎症
• 肿瘤坏死因子
• 药用植物
• 植物成分
• 分子对接
• 吸收、分布、代谢、排泄及毒性研究

目的 通过计算机模拟进行分子对接，研究多种植物中的抗炎成分对肿瘤坏死因子α(TNF-α，一种参与炎症疾病的介质)的抑制作用。方法 基于先前的研究，我们使用AutoDock Vina软件对不同药用植物的抗炎植物成分进行计算机模拟评估，以了解它们与TNF-α的结合模式（PDB ID:6OP0）。分子对接模拟分析中，网格箱（25×25×25）?中心设为[–12.817×（–1.618）×19.009]?，网格间距为0.375?。此外，使用Discovery Studio Client 2020程序评估与靶标和配体氨基酸相关的二维和三维（2D和3D）氢键间的相互作用，并根据里宾斯基类药五规则和SwissADME数据库预测其理化性质，以支撑分子对接模拟结果。结果 我们从选取的药用植物中筛选出200多种植物化合物与抗TNF-α蛋白结合，结合评分在–12.3至–2.5 kcal/mol范围内。其中，大黄素、芦荟大黄素、水黄皮籽素、紫花青素、附根含希米拉因、鞣花酸、欧前胡素、α-生育酚和八降葫芦素A表现出良好的结合亲和力，分别为–10.6、–10.0、–10.5、–10.1、–11.2、–10.3、–10.1、–10.1和–10.0 kcal/mol。此外，这些成分的吸收、分布、代谢、排泄及毒性（ADMET）特征参数均在正常范围内。结论 根据初步研究结果，我们认为本研究选取的植物成分可以通过抑制TNF-α靶标成为良好的抗炎候选物。可以将这些化合物作为治疗炎症的新成分进行进一步优化和验证，以开发更加有效、安全的抗炎药物。