Аграрный вестник Урала № 09 (188) 2019
Биология и биотехнологииУДК:619:615 + 544.165
QSAR-моделирование ингибиторов роста Pasteurella multocida
Поиск эффективных препаратов для лечения инфекционных заболеваний сельскохозяйственных животных является актуальной проблемой. В статье представлены модели антипастереллезной активности обширного массива химических соединений, построенные с использованием дескрипторов, генерируемых программой Dragon и разработанной нами компьютерной программы PROGROC. Пастереллез – инфекционная болезнь многих видов животных, вызываемая бактериями рода Pasteurella, имеет широкое географическое распространение и наносит существенный экономический ущерб животноводству. Лечение заболевших животных антибиотиками осложняется появлением форм микроорганизмов, устойчивых к ним. Для решения проблемы бактериальной резистентности к лекарственным препаратам предлагается вести поиск и отбор соединений с антипастереллезной активностью при использовании методов QSAR (Quantitative Structure-Activity Relationship). Для оценки антипастереллезной активности использован показатель lgMIC (MIC – минимальная ингибирующая концентрация вещества). Качество прогнозирования характеризовалось коэффициентом корреляции R между прогнозируемыми и экспериментальными значениями lgMIC и стандартным отклонением s. В настоящей работе получены модели ингибирующей активности по отношению к Pasteurella multocida 362 химических соединений, отобранных на сайте ChEMBL. При моделировании были задействованы 445 дескрипторов молекулярной структуры, вычисляемых программой Dragon 7. Расчеты выполнены с помощью компьютерной программы PROGROC (PROGgram RObustness Calculation). Достигнутые значения коэффициента корреляции 0,9360–0,9549 для контрольной выборки, где представлено 55–61 % от всего набора веществ, весьма высокие. При проверке качества моделирования посредством скользящего контроля получены показатели: R = 0,9297 и s = 0,40. Сделаны расчеты для соединений, имеющих только пороговые оценки (<lgMIC>) в исходной базе. Полученные расчетные оценки lgMIC хорошо согласуются с экспериментальными, что указывает на возможность замены эксперимента менее затратными расчетами.
Ключевые слова:
Pasteurella multocida, антимикробная активность, лекарственные препараты, минимальная ингибирующая концентрация MIC, QSAR, органические вещества, дескрипторы, Dragon, корреляция, PROGROC
Список литературы:
1. Лаишевцев А. И. Пастереллез сельскохозяйственных животных: современная эпизоотическая ситуации на территории Российской Федерации // Биотика. 2016. № 2 (9). С. 41–46.
2. Полковниченко А. П., Полковниченко П. А., Воробьев Д. В., Воробьев В. И. Особенности биологических свойств культур Р. multocida, выделенных от животных в условиях Астраханской области // Ученые записки Казанской государственной академии ветеринарной медицины им. Н. Э. Баумана. 2017. Т. 3. С. 112–115.
3. Kock R. A., Orynbayev M., Robinson S., Zuther S. [et al.] Saigas on the brink: Multidisciplinary analysis of the factors influencing mass mortality events [Электронный ресурс] // Science Advances. 2018. Vol. 4. No. 1. URL: https://advances.sciencemag.org/content /4/1/eaao2314.
4. Лаишевцев А. И., Капустин А. В., Гулюкин А. М. Сравнительный анализ антибиотикочувствительности коллекционных штаммов Pasteurella multocida, выделенных в период до 1990 г., с полевыми изолятами, выделенными в течение 2014–2016 гг. от крупного и мелкого рогатого скота на территории Российской Федерации // Труды Кубанского государственного аграрного университета. 2016. № 63. С. 132–138.
5. О результатах мониторинга ФГБУ «ВНИИЗЖ» антибиотикорезистентности возбудителей респираторных болезней свиней [Электронный ресурс] // Новости Россельхознадзора. 2015. 4 сентября. URL: http://www.fsvps.ru/fsvps/print/news/14947.html.
6. Mocelo-Castell R., Villanueva-Novelo C., Cáceres-Castillo D., Carballo R. M. [et al.] 2-Amino-4-arylthiazole Derivatives as Anti-giardial Agents: Synthesis, Biological Evaluation and QSAR Studies Quantitative Structure – Activity Relationship // Open Chem. 2015. No. 13. Pp. 1127–1136.
7. Panda S. S., Liaqat S., Girgis A. S., Samir A., Hall C. D., Katritzky A. R. Novel antibacterial active quinolone-fluoroquinolone conjugates and 2D-QSAR studies // Bioorganic & Medicinal Chemistry Letters 2015. No. 25. Pp. 3816–3821.
8. Panda S. S., Detistov O. S., Girgis A. S., Mohapatra P. P., Samir A., Katritzky A. R. Synthesis and molecular modeling of antimicrobial active fluoroquinolone-pyrazine conjugates with amino acid linkers // Bioorganic & Medicinal Chemistry Letters 2016. No. 26. Pp. 2198–2205.
9. Dixit R., Soni L. K., Sharma R. CoMFA and CoMSIA Studies on 6, 8-Dibromo-4(3H)-Quinazolinone Derivatives for Anti-Bacterial Activity against Salmonella typhimurium // Journal of Drug Discovery and Therapeutics. 2017. No. (7). Pp. 93–96.
10. Faidallah H., Girgis A., Tiwari A., Honkanadavar H. [et al.] Synthesis, antibacterial properties and 2D-QSAR studies of quinolone-triazole conjugates // European Journal of Medicinal Chemistry 2018. No. 143. Pp. 1524–1534.
11. Ballu S., Itteboina R., Sivan S. K., Manga V. Rational design of methicillin resistance Staphylococcus aureus inhibitors through 3D-QSAR, molecular docking and molecular dynamics simulations // Computational Biology and Chemistry. 2018. No. 73. Pp. 95–104.
12. Hemal M. S., Popatbhai K. P., Mahesh T. C. [et al.] 2D-QSAR Study of a Series of Pyrazoline-Based Anti-Tubercular Agents Using Genetic Function Approximation // Journal of Computational Chemistry. 2015. Vol. 3. No. 4. Pp. 45–53.
13. Ahamad S., Islam A., Ahmad F., Dwivedi N., Hassan M. I. 2/3D-QSAR, molecular docking and MD simulation studies of FtsZ protein targeting benzimidazoles derivatives // Computational Biology and Chemistry. 2019. Vol. 78. Pp. 398–413.
14. Munnaluri R., Reddy Peddi S., Kanth Sivan S., Manga V. Computational studies on N-phenyl pyrrole derivatives as MmpL3 inhibitors in Mycobacterium tuberculosis // Computational Biology and Chemistry. 2019. No. 78. Pp. 81–94.
15. ChEMBL. European Molecular Biology Laboratory [Electronic resource]. URL: https://www.ebi.ac.uk/chembl.
16. Важев В. В., Мунарбаева Б. Г., Важева Н. В., Губенко М. А., Ергалиева Э. М. Моделирование антитоксоплазмоидной активности органических соединений методом QSAR // Аграрный вестник Урала. 2018. № 07 174). С. 4–10.
Скачать статью в PDF:
