| Abstract: | Nature as a source of inspiration has been shown to have a great beneficial impact on the development of new computational methodologies. In this scenario, analyses of the interactions between a protein target and a ligand can be simulated by biologically inspired algorithms. In this work, bioinspired algorithms, evolutionary algorithms specially, are applied to molecular docking simulations that can be used in the search for new drugs. These docking algorithms were applied to sirtuins, which compose an important family of proteins, nicotine adenine dinucleotide (NAD) deacetylases that regulate gene silencing, transcriptional repression, recombination, the cell apoptosis division cycle, chromosomal stability, and cellular responses to DNA-damaging agents. These proteins are emerging as molecular targets for pharmaceutical development of drugs for treating human diseases. On the basis of the structural importance of these proteins, in this work we carried out the molecular homology modeling of human SIRT1, using Thermotoga maritima Sir2 crystallographic structure as template. Furthermore, we also performed a virtual screening procedure for SIRT1 model against two databases. One based on a nicotinamide derivatives and the other composed of molecules from Sigma-Aldrich vendor. Based on the virtual screening results we used the lowest free binding energy (Plant Score) molecules to select the bet hits. We employed a Similarity Ensemble Approach Tool (SEA) for assessing the ligand structure and protein pharmacological activity relationships. Our results indicate some molecules presented high affinity against SIRT1, which suggest new of SIRT1 inhibitors. These molecules show a high number of pharmacological activity references. Our results suggest new compounds for development of SIRT1 inhibitors with potential therapeutic application.
A natureza como fonte de inspiração provou ter grande impacto benéfico no desenvolvimento de novas metodologias computacionais. Neste cenário, análises de interações entre uma proteína alvo e um ligante podem ser simuladas por algoritmos inspirados biologicamente (BIA). Neste trabalho, os algoritmos inspirados biologicamente, especialmente algoritmos evolutivos, são aplicados a simulações de docking molecular, que podem ser usadas na busca de novos fármacos. Estes algoritmos de docking foram aplicados a sirtuínas, que compõem uma importante família de proteínas - desacetilases dependentes de NAD - que regulam o silenciamento genético, inibição transcricional, estabilidade cromossômica, ciclo de divisão celular e apoptótico e resposta célular a agentes causadores de danos no DNA. Essas proteínas tem sido alvos moleculares emergentes no desenvolvimento farmacêutico de medicamentos para o tratamento de doenças humanas. Em função da importância estrutural das proteínas, neste trabalho foi realizada a modelagem por homologia molecular de SIRT1 humana, utilizando-se a estrutura cristalográfica de Sir2 de Thermotoga maritima como modelo. Além disso, foi aplicado o procedimento de virtual screening para a SIRT1 modelada contra duas bases de dados. Uma foi baseada em estruturas derivadas da nicotinamida e outra composta por moléculas da Sigma-Aldrich. Com base nos resultados obtidos no virtual screening, foram utilizados os acoplamentos com valores mais baixos de energia livre de ligação (Plant Score) para a seleção das melhores moléculas. Foi empregada a Similarity Ensemble Approach Tool (SEA), uma abordagem estratégica para analisar as relações entre as estruturas e a atividade farmacológica. Os resultados indicam que algumas moléculas apresentaram alta afinidade com a SIRT1, sugerindo novos inibidores de SIRT1, e essas moléculas mostram um elevado número de referências de atividades farmacológicas. Nossos resultados sugerem novos compostos inibidores de SIRT1 que apresentam potencial aplicação terapêutica. |
