АЦИЛЬНЫЕ ПРОИЗВОДНЫЕ 4-(6-ФЕНИЛ-7H-[1,2,4]ТРИАЗОЛО[3,4-B][1,3,4]ТИАДИАЗИН-3-ИЛ)АНИЛИНА КАК ПОТЕНЦИАЛЬНЫЕ ИНГИБИТОРЫ БЕЛКОВ 5BK8 И 9EHA
В данной работе методом молекулярного докинга исследованы особенности связывания новых биологически активных
соединений с белковой тирозинфосфатазой SHP2. В качестве объекта исследования использована кристаллическая
структура белка 5BK8, полученная из базы данных Protein Data Bank и подготовленная в программе BIOVIA Discovery
Studio. Трёхмерные структуры лигандов были построены и оптимизированы с использованием программы Avogadro.
Расчёты молекулярного докинга выполнены в программном комплексе AutoDock Vina. Оценены энергия связывания,
пространственное расположение лигандов и их взаимодействие с аминокислотными остатками активного центра белка.
Полученные результаты свидетельствуют о перспективности исследуемых соединений в качестве потенциальных
ингибиторов SHP2 и могут служить основой для дальнейших экспериментальных исследований.
1. Grossmann K.S., Rosário M., Birchmeier C., Birchmeier W. The tyrosine phosphatase Shp2 in development and cancer //
Advances in Cancer Research. – 2010. – Vol. 106. – P. 53–89. – DOI: 10.1016/S0065-230X(10)06002-1.
2. Chen Y.N.P., LaMarche M.J., Chan H.M. et al. Allosteric inhibition of SHP2 phosphatase inhibits cancers driven by receptor
tyrosine kinases // Nature. – 2016. – Vol. 535, No. 7610. – P. 148–152. – DOI: 10.1038/nature18621.
3. Nichols R.J., Haderk F., Stahlhut C. et al. RMC-4550, a selective SHP2 inhibitor, suppresses RAS signaling // Cancer
Research. – 2018. – Vol. 78. – P. 3381–3393.
4. Hof P., Pluskey S., Dhe-Paganon S., Eck M.J., Shoelson S.E. Crystal structure of the tyrosine phosphatase SHP-2 // Cell. –
1998. – Vol. 92, No. 4. – P. 441–450. – DOI: 10.1016/S0092-8674(00)80938-1.
5. Fodor M., Price E., Wang P. et al. Dual allosteric inhibition of SHP2 phosphatase // ACS Chemical Biology. – 2018. – Vol.
13, No. 3. – P. 647–656. – DOI: 10.1021/acschembio.7b00980.
6. Xie J., Si X., Gu S. et al. Discovery of novel SHP2 inhibitors by virtual screening // Bioorganic Chemistry. – 2021. – Vol.
110. – Art. 104777. – DOI: 10.1016/j.bioorg.2021.104777.
7. Trott O., Olson A.J. AutoDock Vina: Improving the speed and accuracy of docking with a new scoring function, efficient
optimization, and multithreading // Journal of Computational Chemistry. – 2010. – Vol. 31, No. 2. – P. 455–461. – DOI:
10.1002/jcc.21334.
8. Forli S., Huey R., Pique M.E., Sanner M.F., Goodsell D.S., Olson A.J. Computational protein–ligand docking and virtual
drug screening with AutoDock // Nature Protocols. – 2016. – Vol. 11, No. 5. – P. 905–919. – DOI: 10.1038/nprot.2016.051.
9. Pagadala N.S., Syed K., Tuszynski J. Software for molecular docking: A review // Biophysical Reviews. – 2017. – Vol. 9,
No. 2. – P. 91–102. – DOI: 10.1007/s12551-016-0247-1.
10. Hanwell M.D., Curtis D.E., Lonie D.C., Vandermeersch T., Zurek E., Hutchison G.R. Avogadro: An advanced semantic
chemical editor, visualization, and analysis platform // Journal of Cheminformatics. – 2012. – Vol. 4. – Art. 17. – DOI:
10.1186/1758-2946-4-17.
11. BIOVIA. Discovery Studio Visualizer User Guide. – San Diego: Dassault Systèmes BIOVIA, 2021.
12. Lionta E., Spyrou G., Vassilatis D.K., Cournia Z. Structure-based virtual screening for drug discovery: Principles,
applications and recent advances // Current Topics in Medicinal Chemistry. – 2014. – Vol. 14, No. 16. – P. 1923–1938. –
DOI: 10.2174/1568026614666140929124445.
Copyright (c) 2026 «ВЕСТНИК НУУз»
Это произведение доступно по лицензии Creative Commons «Attribution-NonCommercial-ShareAlike» («Атрибуция — Некоммерческое использование — На тех же условиях») 4.0 Всемирная.
.jpg)
2.png)
