Abstract

polifenóis à base de plantas (isto é, fitoquímicos) têm sido usados ​​como tratamentos para doenças humanas por séculos. Os mecanismos de acção destes compostos derivados de plantas são agora uma área importante de investigação. Milhares de fitoquímicos foram isolados, e um grande número deles mostraram actividades de protecção ou efeitos em diferentes modelos de doenças. Utilizando as abordagens convencionais para selecionar o melhor grupo único ou de melhores produtos químicos para estudar a eficácia no tratamento ou prevenção da doença é extremamente desafiador. Temos desenvolvido e utilizado metodologias computacionais baseados em que fornecem ferramentas eficientes e de baixo custo para ganhar uma maior compreensão do anticancerígeno e efeitos terapêuticos exercidas pelos fitoquímicos. métodos computacionais que envolvem rastreio virtual, forma e análise de farmacóforo e acoplagem molecular têm sido utilizadas para seleccionar os produtos químicos que têm como alvo uma determinada proteína ou enzima e determinar alvos potenciais de proteínas para bem caracterizado, bem como por novos fitoquímicos.

Citation : H Chen, Yao K., Nadas J, Bode AM, Malakhova H, N Oi, et ai. (2012) Previsão de alvos moleculares de prevenção do câncer flavonóides compostos usando métodos computacionais. PLoS ONE 7 (5): e38261. doi: 10.1371 /journal.pone.0038261

editor: Niall James Haslam, University College Dublin, Irlanda |

Recebido: 13 Janeiro, 2012; Aceito: 04 de maio de 2012; Publicado em: 31 de maio de 2012 |

Direitos de autor: © 2012 Chen et al. Este é um artigo de acesso aberto distribuído sob os termos da Licença Creative Commons Attribution, que permite uso irrestrito, distribuição e reprodução em qualquer meio, desde que o autor original ea fonte sejam creditados

Financiamento:. Este trabalho foi apoiada pelos Hormel Fundação e Institutos Nacionais de Saúde concede R37 CA081064, CA120388, ES016548, CA0227501 e Instituto Nacional do Câncer Contrato nº HHSN-261200533001C-NO1-CN-53301. Os financiadores não tiveram nenhum papel no desenho do estudo, coleta de dados e análise, decisão de publicar ou preparação do manuscrito

CONFLITO DE INTERESSES:.. Os autores declararam que não existem interesses conflitantes

Introdução

o consumo de frutas e vegetais tem sido acreditado para diminuir o risco de desenvolver vários tipos de cancros humanos [1]. Uma importante classe de compostos dentro de alimentos que possuem estas actividades são os polifenóis [2]. As vias metabólicas fenilpropanóides de plantas gerar estes compostos polifenólicos de milhares de metabolitos secundários de plantas [3]. Os flavonóides são a família mais comum de compostos polifenólicos com até 8.000 compostos individuais identificados [4]. Flavonóides encontrada em vegetais, cereais, legumes, frutas e bebidas, como vinho, chás e cafés podem ser subdivididos em 14 categorias diferentes com base na estrutura química. Estas categorias incluem as chalconas, dihidrocalcones, aurones, flavonas, flavonóis, dihydroflavonols, flavanonas, flavonóides, flavandiols, antocianidinas, isoflavonóides, biflavonóides, e proantocianidinas [5].

O potencial anticancerígeno de uma variedade de bem caracterizados flavonóides tem sido bem documentada [1]. Isoflavonoids, antraquinonas, tais como, chalconas, e prenylflavonoids, são todos capazes de promover actividade estrogénica em mamíferos [6]. Eles também têm sido demonstrado que possuem propriedades anticancerígenas [7]. A genisteína, por exemplo, um grande membro da família isoflavonoid derivada de soja [7], inibe especificamente a actividade da tirosina quinase do receptor do factor de crescimento epidérmico (EGFR), que desempenha um papel importante na proliferação e transformação celular [8]. Novas descobertas continuam a ser referida para estes compostos. O resveratrol, um polifenol encontrado no vinho tinto, é conhecida por possuir actividades anti-oxidantes, bem como actividades anticancro explicados pela sua inibição das proteínas de ciclo-oxigenase [9]. Recentemente, relatou que o resveratrol pode suprimir a actividade de leucotrienos A

4 hidrolase (LTA

4H) [10], que é sobre-expressos em células do pulmão e cancro do cólon [11].

Os flavonóides são promíscuo na medida em que pode suprimir o crescimento de muitos tipos diferentes de células cancerosas através de uma variedade de mecanismos. Este inespecificidade é agravado pelo fato de que milhares de flavonóides existir e, portanto, seu estudo forneceu uma área muito rica de pesquisa. Apenas alguns casos de trabalho computacional com foco em flavonóides existem [12], [13], [14]. Utilizando métodos convencionais para seleccionar o melhor grupo único ou de melhores produtos químicos para a identificação de compostos que são eficazes no tratamento ou prevenção de uma doença como o cancro é difícil. estratégias computacionais para determinação de proteínas alvo de flavonóides ainda não receberam uma grande dose de atenção. Ao longo dos últimos 3 anos, nosso laboratório tem utilizado estratégias computacionais que incluem triagem virtual, forma semelhança-triagem, e acoplagem molecular para identificar alvos potenciais proteínas de flavonóides e outros fitoquímicos [15]. Estas metodologias computacionais baseados em forneceram ferramentas eficientes e de baixo custo para ganhar mais compreensão do anticancerígeno e efeitos terapêuticos exercidas pelos polifenóis. Aqui apresentamos o nosso processo para combinar essas estratégias computacionais com metodologias experimentais para a validação de flavonóides específicos e suas respectivas metas de proteína.

Materiais e Métodos

Virtual

Virtual é um técnica computacional utilizado na investigação de descoberta de drogas nos anos recentes e tornou-se um passo importante no processo de descoberta de drogas. O rastreio envolve a identificação e compilação de estruturas químicas relevantes a partir de grandes bibliotecas químicas. Os produtos químicos identificados são os mais susceptíveis de se ligar a um alvo proteico, tipicamente um receptor de proteína seleccionada, utilizando vários programas de computador ou identificado experimentalmente. triagem virtual de ancoragem molecular é o principal método computacional empregado na descoberta de medicamentos para a identificação “hit” [16]. A metodologia utilizada é de rastreio primário virtual baseada em estrutura, que envolve acoplamento de milhares de ligandos candidatos para uma proteína alvo, seguida por causar a interacção proteína-ligando de ligação para estimar a energia de ligação do ligando [17]. Baseada na estrutura de rastreio virtual requer a estrutura 3D dos ligandos. O zinco (isto é, um acrônimo para “o zinco não é comercial”) Banco de dados contém mais de 13 milhões de compostos compráveis ​​em formato de encaixe 3D que estão livremente disponíveis para o rastreio virtual [18]. A partir deste banco de dados enorme, bibliotecas menores e mais específicos de alta qualidade pode ser construída para a triagem virtual alvo [19]. Outro banco de dados disponível contendo formas 2D de moléculas é o Instituto Nacional de banco de dados online PubChem de Saúde que compreende mais de 27 milhões de estruturas únicas (https://pubchem.ncbi.nlm.nih.gov/). Em nosso laboratório, nós criamos um pequeno banco de dados composto flavonóide de 2.620 compostos, incluindo aurones, chalconas, flavonas, flavanonas, isoflavonas, biflavonóides, antocianidinas, dihidrocalcones e proantocianidinas. Estes compostos flavonóides foram recolhidos e compilados a partir do banco de dados NCI PubChem usando a pesquisa com base estrutura. Esta base de dados foi utilizado no rastreio de potenciais inibidores de segmentação um número de proteínas relacionadas com o cancro, incluindo p90 ribossomal S6 quinase 2 (rsk2), ciclina quinase dependente (CDK), activada por mitogénio proteína quinase-quinase 1 (MEK1), factor de crescimento epidérmico receptor (EGFR) e fosfatidilinositol 3-quinase /proteína quinase B (PI3-K /PKB)

(A) estrutura química do kaempferol.; (B) Estrutura química de quercetina. (C) Estrutura química da miricetina. (D) Estrutura química do LY294002. (E) Estrutura química da isorhamnetin.

A /extracelular quinase regulada por sinal Ras (ERK) via regula a proliferação celular, sobrevivência, crescimento e motilidade e tumorigênese [20]. Rsk2, um membro da família p90RSK, é um substrato da quinase directa de ERKs e é um efector directo importante para a activação de transcrição de factores de transcrição alvo a jusante. Além disso, é declaradamente rsk2 envolvida na proliferação de células de cancro da próstata [21] e

c-fos

desenvolvimento osteossarcoma -dependente [22]. abundância de proteína rsk2 é aumentada em muitas linhas de células humanas de câncer e em vários tumores da pele humana, incluindo melanomas e carcinomas de células escamosas [23]. Portanto, a identificação de um inibidor selectivo rsk2 é extremamente importante para a quimioprevenção ou desenvolvimento de drogas terapêuticas. Portanto, aqui foi utilizado rsk2 como um exemplo para demonstrar como as estratégias e metodologias experimentais computacional pode ser combinada de forma eficaz para identificar inibidores selectivos de flavonóides. Até à data, um número de potenciais inibidores rsk2 têm sido relatados, incluindo eriodictiol [24] e campferol [23], [25], [26], dois compostos flavonóides e SL0101, um composto sintetizado não encontrada nas plantas [27]. Estes flavonóides são ubiquitously encontrados em frutas e vegetais, bem como bebidas populares, incluindo vinho, chá e café e exibem antioxidante, antitumoral, e os efeitos anti-inflamatórios [28].

(A) A quercetina se liga ao bolso ATP de rsk2 mais provável de uma forma ATP-competitivo. (B) se liga com rsk2 quercetina. Um ligado preparado a partir de células C41 JB6 ou disponíveis comercialmente rsk2 activa foi incubado com Sepharose 4B-quercetina ou com esferas de Sepharose 4B sozinho, e as proteínas foram analisadas puxado para baixo por Western blot. (C) A quercetina se liga tanto com a NTD ou o CTD da rsk2. Para identificar o domínio que se liga com rsk2 proteínas quercetina, rsk2, como indicado, foram incubados com esferas de Sepharose 4B-quercetina ou com esferas de Sepharose 4B sozinho. As proteínas puxado para baixo foram analisados ​​por Western blot. (D) rsk2 Activo (10 ng) foi combinado com GST-NFAT3-261-365 (2 ug), 10 pM de ATP não marcado, 10 uCi [γ-

32P] ATP, e diferentes doses de quercetina (0-50 uM). Um

in vitro

ensaio de cinase foi realizada eo NFAT3 fosforilada

32 P-rotulados foi visualizado por autoradiografia. densidade de banda foi quantificada utilizando o programa de software Imagem J (NIH) e a intensidade da banda de rsk2 ativa e GST-NFAT3-261-365 (100%) foi comparada.

O nosso laboratório tem resolvido e relatado as estruturas cristalinas dos domínios de cinase C-terminais e N-terminais de rsk2 [29], [30]. O domínio de quinase N-terminal foi ligado com o ANP com o sítio de ligação de ATP. Assim, esta estrutura (PDB ID: 3G51) foi baixado do Banco APO para estudos de triagem virtuais. estruturas cristalinas ou modelos de homologia da proteína-alvo a que uma pequena molécula será encaixado são baixados da proteína Databank (PDB). Waters, metais e ligandos são então removidos da estrutura e hidrogénios e encargos átomo são adicionados às estruturas utilizando o módulo de preparação de proteína em Maestro v9.2 GUI de Schrödinger. Um bolso baseado no sítio de ligação ATP foi gerado dentro de uma grade 30-A

3. O banco de dados estrutura 2D de flavonóides foi convertido em um banco de dados estrutura 3D usando o módulo LigPrep do Schrödinger conjunto de software.

Virtual de alta capacidade (HTVS) e de encaixe são geralmente realizada pela primeira vez porque se destinam para a avaliação rápida de grande número de ligantes seguido de precisão padrão e extra (SP e XP) de encaixe. Aqui, para o nosso banco de dados de flavonóides, apenas a SP e acoplagem XP foram realizadas por causa do menor número de ligantes envolvidos. Todos os compostos foram ancorado de forma flexível e uma lista top-20 dos compostos foi gerada e organizada com base na pontuação de ancoragem (ou seja, pontuação menor é melhor). A lista dos top 6-compostos classificados foi compilado (Tabela 1) e kaempferol (Fig. 1A) e quercetina (Fig. 1B) foram comprados para validação experimental. Kaempferol e quercetina são flavonóis naturais encontrada em maçãs, cebolas e outras plantas.

método de triagem Shape-Similaridade

A teoria da triagem forma-similaridade é derivado da idéia de que moléculas possuindo formas semelhantes e capacidades electrostáticas pode exibir uma actividade biológica semelhante. O método envolve a consideração das características atomísticas e espacial da molécula alvo. Os farmacóforo e físicas características da molécula são quantitativamente comparadas com uma biblioteca de compostos. Ao pesquisar potenciais proteínas-alvo, a biblioteca de composto utilizado é composto por ligandos cristalizado extraídos da versão mais recente do APO [31]. A conformação do ligando na estrutura cristalina é usada porque os átomos estão orientados de uma forma optimizada para a ligação à proteína. Qualquer banco de dados disponível pode ser usada para buscar compostos semelhantes.

(A) isoramnetina liga-se a uma bolsa de ATP-não-competitivo de MEK1. A caixa indica uma visão alargada. As ligações de hidrogénio são formadas entre isorhamnetina e a espinha dorsal de MEK1 (Val127 no local de ligação do ATP e não-competitiva-Ser212 na ansa de activação). diagrama de interacção (B) ligando do complexo de MEK1 e isorhamnetina. Os resíduos são representados como esferas coloridas, rotuladas com o nome e número do resíduo. As cores indicam o tipo de resíduo (verde = hidrofóbico; azul = polar). A linha rosa sólida mostra a ligação de hidrogênio entre o ligando e o receptor. interações hidrofóbicas são formadas com a cadeia lateral na Ile99, Phe129, Ile141, Phe209 e Leu118.

A FASE [32] módulo do pacote de software de modelagem molecular de Schrödinger é um programa que pode realizar este tipo de formato Pesquisa similaridade [33]. As informações de tipo átomo é incluído para consideração de não só semelhança forma, mas também para alinhar os pontos farmacóforo potenciais entre as consultas e metas. O ponto de corte para ser utilizada para os resultados leva o topo estrutura alinhada para cada molécula devolvido e todos os confórmeros que possuam um coeficiente de similaridade Tanimoto abaixo de 0,7 são eliminados [34], [35]. Quanto menor flavonóide banco de dados composto que criamos ea versão mais recente do APO, que contém mais de 500.000 estruturas de proteínas complexadas com ligantes, foram utilizados para o rastreio forma-similaridade. Também criamos um banco de dados quinase específica de cerca de 4.000 estruturas complexados com ligantes que nós recolhidos a partir do PDB para o rastreio de alvos quinase separadamente.

Os nossos estudos anteriores mostraram que miricetina (Fig. 1C), um flavonóide encontrado em muitas uvas , bagas, frutas, legumes, ervas, bem como outras plantas, e um dos compostos fenólicos presentes no vinho tinto, apresenta potente anticancerígeno e efeito quimiopreventivo, especialmente sobre o câncer de pele induzida por UVB [36], mas os seus mecanismos e alvos moleculares não são claras. Assim, para identificar fora do alvo proteína afetada pela triagem miricetina, forma-similaridade foi realizada utilizando o banco de dados ligando APO e nossa base de dados especial quinase.

Nós também tentaram identificar novos inibidores alvo PI3-K, que é um bem conhecido cinase envolvida em funções celulares, tais como o crescimento, proliferação, diferenciação, motilidade, sobrevivência e tráfico intracelular, todos os quais estão associados com o desenvolvimento do cancro. Vortmanina e LY294002 são inibidores amplas que têm como alvo todos os membros da família PI3-K. LY294002 (Fig. 1D) é um derivado de morfolina de quercetina e, embora a sua IC

50 é cerca de 500 vezes mais elevada do que a de wortmanina, que ainda é largamente utilizado em biologia celular como um inibidor específico de PI3-K, devido à sua estabilidade em solução [37]. Por conseguinte, utilizado a estrutura de LY294002 para realizar o rastreio de potenciais inibidores de PI3-K na nossa base de dados de flavonóides utilizando o módulo FASE do Conjunto de Schrödinger 2011. Para realizar a triagem, miricetina e LY294002 foram primeiro preparados separadamente a utilização do módulo do LigPrep Suíte Schrödinger 2011 sob o campo de força OPLS_2005 e um valor de pH de 7,0 a especificação. Então triagem moldar-similaridade foi realizada utilizando FASE.

Docking Molecular Método

encaixe Molecular tornou-se uma ferramenta padrão em biologia computacional para prever a orientação de encadernação de candidatos a fármacos de pequenas moléculas com as suas proteínas alvo , a fim de prever a afinidade e a actividade da molécula pequena. Assim, acoplamento molecular desempenha um papel importante na concepção racional de drogas. GLIDE da Suite Schrödinger de 2011 [38] é um dos programas utilizados no nosso laboratório para realização de ancoragem.

Diferentes protocolos de acoplagem são tentadas antes de determinar o conjunto correto de parâmetros a serem utilizados para o encaixe. A re-ancoragem correcta do ligando que se cristalizou com a proteína alvo é tipicamente utilizado como a validação dos parâmetros escolhidos. Quando mais de uma estrutura de cristal de uma proteína alvo está disponível, cross-docking é realizada para determinar qual a estrutura de cristal é mais adequada para o encaixe [39].

Em nosso laboratório, nós tínhamos achado que isorhamnetin (Fig. 1E), um flavonol metilado-o em plantas medicinais à base de plantas, tais como nabo vermelho, goldenrod, folha de mostarda e bruto

Hippophaer hamnoides L.,

pode inibir a actividade de cinase de MEK1 ou PI3-K e a inibição foi devido para isoramnetina de ligação directa com essas cinases [40]. acoplamento molecular foi utilizado para estudar ainda mais a ligação de isoramnetina com MEK1. Primeiro uma estrutura de raios-X da MEK1 humana em um complexo com ligando e MgATP (PDB 1S9J) com uma resolução de 2,4 Å foi transferido da APO. A proteína foi preparado para docking com o Assistente de preparação de proteína. Todas as águas cristalográficos foram eliminadas e uma grelha 30-A

3 foi gerado com base no ligando não-competitivo do ATP (BBM) local de ligação do receptor da proteína. Macromodel foi usado para construir e energeticamente minimizar isorhamnetin para criar a conformação mais energeticamente favorável necessário para estudos de docking.

Vários procedimentos padrão incluídos em protocolos GLIDE atracação de Schrödinger foram realizadas. Procedimentos incluídos encaixe com precisão padrão (SP) ou a precisão extra (XP) em GLIDE, e de forma mais intensiva da CPU do Induzir-Ajuste de ancoragem (IFD) com os parâmetros padrão foram realizadas com SP e acoplagem XP. Todos estes procedimentos de acoplamento de flexibilidade ligando encaixe permitido e num total de 20 topo do ranking estruturas foram analisadas usando o método IFD.

Resultados

Virtual

Com base em nossos resultados Virtual para rsk2, quercetina e campferol têm contagens de ligação de -9,40 kcal /mol e -8,86 kcal /mol, respectivamente, com rsk2 (Tabela 1). Estas pontuações são uma boa indicação de ligação em comparação com -7,73 kcal /mol para SL0101, um inibidor rsk2 bem conhecido. Nosso modelo de encaixe mostra a encadernação quercetina de forma ATP-competitiva dentro do site ATP bandas de rsk2 (Fig. 2A), indicando que a quercetina também pode ser um inibidor potencial da rsk2. Para examinar nossa hipótese, conjugado quercetina com contas de Sepharose 4B e realizou um

in vitro

ensaio de pull-down usando um ligado de célula inteira ou uma proteína rsk2 ativa (200 ng; A Fig. 2B). Os resultados mostraram que a proteína rsk2 ligados com Sepharose 4B-quercetina, mas não com esferas de Sepharose 4B por si só (Fig. 2B). Além disso, foi realizado um ensaio de pull-down com Sepharose 4B-quercetina e várias bactérias expressas fragmentos marcado com His rsk2, incluindo His-RSK2-1-740, His-RSK2-1-373, His-RSK2-328- 740 e His-RSK2-399-740. resultados de Western blot indicou que tanto o DTN e CTD de rsk2 ligado com pérolas de Sepharose 4B-quercetina (Fig. 2C). Para confirmar os resultados do rastreio virtual que identificou quercetina como um potencial inibidor rsk2, foi realizada uma

in vitro ensaio da quinase

. Os resultados indicaram que a quercetina inibiram a actividade rsk2 de um modo dependente da dose (Fig. 2D). Nós anteriormente utilizado um

in vitro

ensaio de cinase, um ensaio de transformação celular independente de ancoragem e um ensaio de pull-down com Sepharose 4B-kaempferol para mostrar que kaempferol se liga com a NTD de rsk2 e inibe a atividade rsk2

in vitro

e

ex vivo

[23], [26], [31].

shape-Similaridade Screening.

em nosso estudo, a forma similaridade rastreio foi realizado utilizando o módulo de Schrödinger FASE para analisar a base de dados composta por complexos de proteína com ligandos e o banco de dados específico quinase. Miricetina, um flavonóide encontrado em uvas, frutas vermelhas, frutas, legumes, ervas, bem como outras plantas, e um compostos fenólicos presentes no vinho tinto, estava determinado a atingir muitos potenciais quinases (Tabela 2). Os dados indicam seis diferentes complexos de quinase /ligando com uma pontuação média de shape-similaridade com miricetina superior a 0,7. O ligando com a maior semelhança com miricetina é QUE ou quercetina (Figura 1B.), Que está ligado com PIM-1 (PDB ID: 2O3P). A pontuação semelhança é 0,90 e quercetina é um inibidor relatado de Pim-1 [41]. Um total de 8 pim-1 foram estruturas “hit” por miricetina com uma pontuação de semelhança maior do que 0,7 (apenas os 3 primeiros sucessos são mostrados na Tabela 2). Quase todo o “bater” ligandos são inibidores de cinase seu alvo relatado e tem uma pontuação de semelhança maior do que 0,7. Assim, acreditamos que essas cinases relacionados puderam ser possíveis alvos de miricetina e que miricetina pode potencialmente inibir a sua actividade. Os nossos estudos anteriores indicaram que miricetina pode inibir a actividade de PI3-K, MEK1 e Raf [36], [42], [43].

para encontrar potenciais inibidores de flavonóides de PI3-K, LY294002, um amplo inibidor de PI3-K, foi escolhido para usar como o rastreio estrutura de consulta e forma-similaridade foi realizada utilizando nosso banco de dados de flavonóides eo módulo FASE. coeficientes de similaridade inferior a 0,75 foram excluídos e 6 dos melhores classificados compostos candidatos são listados (Tabela 3). Temos previamente validado miricetina [42] e isorhamnetin [40] como inibidores diretos da PI3-K.

Docking Molecular

Para examinar o mecanismo molecular da inibição da MEK1 por isorhamnetin e entender como interage isoramnetina com MEK1, nós ancorado isorhamnetin

in silico

para o bolso de ligação ATP-não-competitivo de MEK1 usando vários protocolos na Schrödinger conjunto de software. Ao estudar todos os modelos de retorno, descobrimos que isoramnetina formada algumas conexões favoráveis ​​e encaixado muito bem dentro do sítio de ligação MEK1 ATP-não-competitivo. Algumas importantes ligações de hidrogénio foram formados entre isorhamnetina e a espinha dorsal de MEK1, incluindo Val127 no local de ligação do ATP e não-competitiva-Ser212 na ansa de activação. Isoramnetina também formado interacções hidrófobas com a cadeia lateral na Ile99, Phe129, Ile141, Phe209 e Leu118 (Fig. 3A, B). Estes resultados tornariam cataliticamente inactivo MEK1 através da estabilização da conformação inactiva da ansa de activação. Note-se que algumas imagens foram geradas com o programa de UCSF Chimera [44].

Discussão

Milhares de compostos flavonóides individuais existem em vários vegetais, frutas e outras plantas. Flavonóides, tais como catequinas encontradas no morangos e chás verde e preto, kaempferol de couves de bruxelas e maçãs, e quercetina de feijão, cebolas e maçãs, são acreditados para exercer actividades anti-inflamatórias e anti-cancerígenos. Por exemplo, todos estes compostos alegadamente pode reduzir o risco de desenvolvimento de cancro do pulmão [45]. Os flavonóides inibir muitos tipos diferentes de cancros através de uma variedade de mecanismos e milhares de flavonóides existentes, o que torna o rastreio dos seus efeitos anticancerígenos potenciais e a identificação dos seus alvos proteicos específicos extremamente desafiante utilizando abordagens convencionais. Felizmente, o desenvolvimento de técnicas de simulação computacional e outras estratégias computacionais simplificou e simplificou o processo global. rastreio virtual pode facilmente gerar resultados de todos os compostos flavonóides que se podem ligar com e afectam a actividade de uma proteína alvo específico. Shape-triagem pode ajudar a encontrar potenciais “fora do alvo” proteínas de um composto flavonóide específico. métodos de acoplamento molecular podem proporcionar uma melhor indicação de como um composto interage com o seu alvo proteico e influenciar a actividade da proteína alvo. Estes três processos pode levar à descoberta rápida de potenciais compostos de chumbo para o tratamento anti-cancro e quimioprevenção.

Nos últimos anos, com a ajuda do Blue Gene /L [46], [47] computador da IBM, o nosso laboratório tem estudado a eficácia e os mecanismos de vários compostos flavonóides principais em quimioprevenção e tratamento do câncer por meio de estratégias de simulação computacional. Estes compostos incluem kaempferol [23], isorhamnetina [40], 6,7,4′-trihydroxyisoflavone [48], eriodictiol [24], 7,3 ‘, 4’-trihydroxyisoflavone [49], quercetina [50], EGCG [ ,,,0],51], [6] -gingerol [52], miricetina [36], fitoquímicos fenólicos café [53], ácido cafeico [54] e delfinidina [55]. Todos estes compostos exercem o seu efeito inibidor sobre proteínas específicas, incluindo rsk2, PI-3K, MEK1, Pin-1 e Fyn, que são altamente expressos ou superativado em alguns tipos de câncer, como câncer de pele e de cólon.

Para identificar os potenciais alvos de uma variedade de compostos flavonóides e para estudar cuidadosamente o seu mecanismo de ação, criamos um banco de dados de flavonóides de 2.620 compostos. Continuamos a ampliar o banco de dados, adicionando mais e mais compostos flavonóides. Com base nesse banco de dados, obtivemos resultados para cada composto e os seus potenciais proteínas off-alvo usando rastreio forma-similaridade. Temos mais de 4,1 milhões de registros para todos os tipos de alvos de proteína e 374.000 registros para os objectivos específicos da quinase. Estes resultados podem ser facilmente consultado pela identificação composto ou por tipo de proteína. Nós também temos uma tela de compostos líderes visando vários alvos quinase específicos relacionados ao câncer de pele, câncer de cólon e câncer de pulmão usando rastreio virtual e irá utilizar estes resultados para estudos mecanicistas em quimioprevenção e terapia do cancro.