دانلود ترجمه مقاله طراحی کامپیوتری دارو برای بازدارنده های بالقوه آنفلونزا – مجله الزویر

فهرست مطالب:

چکیده
۱ مقدمه
۲ مواد و روشها

۱ ۲ حسابداری انعطاف پذیری پروتئین
۲ ۲ اجرای اولیه AutoGrow
۳ ۲ کتابخانه جدید اجزای بدست آمده از ترکیبات تحت تائید FDA
۴ ۲ مرحله پس از پردازش ترکیبات تولید شده با AutoGrow
۵ ۲ داکنیگ پیچیده راحت
۶ ۲ تغییر ترکیب

۳ نتایج و بحث

۱ ۳ تولید ترکیب اولیه
۲ ۳ نمره گذاری مجدد کمپلکس آرمیده
۳ ۳ تغییر ترکیب
۴ ۳ آنالیز چهار ترکیب تغییر یافته برتر

۴ نتیجه گیری

بخشی از ترجمه:

مقدمه

آنفلونزا ناشی از ویروس RNA خانواده Orthomvxoviri می باشد. اگرچه عموماً در بزرگسالان سالم، عامل تهدیدکننده ای برای جان به شمار نمی رود، اما گاهی این ویروس به اشکال مهلک و کشنده ای جهش یافته و در قرن گذشته همه گیر شده است. اخیراً نژاد جدیدی از انفلونزا همه گیر (H1N1) با قابلیت بیمار کردن انسانها شناسایی شده است، نرخ بستری شدن در بیمارستان آمریکا حدود ۹ درصد میباشد. به علاوه، نژاد متمایزی از انفلونزا مرغی (H5N1) در سال ۱۹۹۷ ظاهر گردید که باعث همه گیری جهانی مشابهی در آینده می شود. در طول آماده سازی برای روبرو شدن با انفلونزا همه گیر، بسیاری از ملت ها از بازدارنده های پروتئین آنفلونزا نورامینیداز استفاده کرده اند. بعد از شکل گیری، ذرات ویروس آنفلونزا از طریق باقیمانده های اسید سیالیک به غشای سلول متصل می شوند. نورامینیداز باقیمانده ها را تقسیم کرده، ویروس آزاد کرده و امکان انتشار ویروسی را فراهم می آورد. نورامینیداز هدف چندین داروی تحت تائید FDA از جمله زانامیویر و اوسلتامیویر می باشد، زیرا برای انتشار ویروسی الزامی بوده و دارای محل های فعال حفظ شده ای می باشد. متاسفانه، اخیراً، نژادهای مقاوم در برابر داروظاهر شده است و نیاز شدیدی به بازدارنده های جدید می باشد.  به خاطر نیاز فوری به داروهای انفلونزا جدید، ازبرنامه اخیراً توسعه یافته طراحی دارو به کمک کامپیوتر AutoGrow ، برای راهنمایی طراحی چندین بازدارنده نورامینیدازاستفاده شده است، که در مقایسه با داروهای اخیراً تائید شده، بهتر پیوند می دهند.

 ۴٫ نتیجه گیری
انفلونزا همه گیر   یک تهدید خطرناک به شمار رفته و قبلاً نژادهای مقاوم در برابر دارو ظهور کرده بود. در کار حاضر، برای تولید بازدارنده های پیش بینی شده جدید نورامینیداز، از برنامه کامپیوتری اتوگرو   استفاده گردید. با توجه به انعطاف پذیری زیاد محل فعال  ، دینامیک پروتئین نیز در فرایند طراحی دارو به کمک کامپیوتر لحاظ گردید. در این رابطه چندین بازدارنده بالقوه شناسایی گردید که در مقایسه با داروهای تحت تائید EDA با نورامینیداز بهتر پیوند می دهند…

بخشی از مقاله انگلیسی:

Introduction

Influenza is caused by RNA viruses of the family Orthomyxoviridae.While not generally life threatening in healthy adults, the virusoccasionally mutates into more deadly forms and has been responsiblefor several pandemics in the last century. Recently, a newstrain of pandemic influenza (H1N1) capable ofinfecting humanshas been identified (Dawoodet al., 2009), with a U.S. hospitalizationrate of about 9%. Additionally, a distinct strain of avian influenza(H5N1) arose in 1997 that may cause a similar global pandemic inthe future (Abdel-Ghafar et al., 2008).In preparation for pandemic influenza,manynations have stockpiledinhibitors of the influenza protein neuraminidase (Oxfordet al., 2004). Following formation, influenza viral particles remainbound to cell membranes via sialic-acid residues. Neuraminidasecleaves these residues, releasing the virus and enabling viral propagation(De Clercq and Neyts, 2007). Neuraminidase is the target ofseveral FDA-approved drugs, including zanamivir and oseltamivir(Oxford et al., 2004), because it is essential for viral propagationand has a well-conserved active site (Kobasa et al., 1999). Unfortunately,drug-resistant strains have recently emerged (Kiso et al., 2004; Beigel et al., 2005; de Jong et al., 2005; De Clercq, 2006), andthe need for novel inhibitors is great.Motivated by the urgent need for new influenza therapeutics,we used AutoGrow (Durrant et al., 2009), a recently developedcomputer-aided drug-design program, to guide the design of severalpotential neuraminidase inhibitors predicted to bind betterthan currently approved drugs.2. Material and methods2.1. Accounting for protein flexibilityTo account for protein flexibility, we drew upon a moleculardynamics simulation of neuraminidase that has been describedpreviously (Cheng et al., 2008). Protein conformations extractedfrom this 40-ns simulation were clustered into 27 groups by rootmean-square-deviation (RMSD) conformational clustering usingthe gromos clustering algorithm, as implemented in the GROMOS++analysis software (Daura et al., 1999; Christen et al., 2005).In brief, an RMSD distance was calculated for each pair of proteinconformations extracted from the MD simulation. Those pairswith associated RMSD distances greater than 1.3Å were discarded.The single conformation most frequently present in the remainingpairs, together with the other corresponding conformation of eachpair, were merged into a list of conformations called the first cluster.

دانلود رایگان مقاله انگلیسی

خرید ترجمه فارسی مقاله با فرمت ورد

خرید نسخه پاورپوینت این مقاله جهت ارائه