In silico identification and design of potent peptide inhibitors against PDZ-3 domain of Postsynaptic Density Protein (PSD-95)

Unique intrinsic properties of peptides like low toxicity, high biological activity, and specificity make them attractive therapeutic agents. PDZ-binding peptide inhibitors have been demonstrated for curing of Alzheimer, Parkinson, Dementia, and other central nervous system ailments. In this article, we report the successful use of an integrated computational protocol to analyze the structural basis of how peptides bind to the shallow groove of the third PDZ domain (PDZ-3) from the postsynaptic density (PSD-95) protein. This protocol employs careful and precise computational techniques for design of new strategy for predicting novel and potent peptides against PDZ protein. We attempted to generate a pharmacophore model using crystal structure of peptide inhibitor bound to the PDZ-3. A highly specific and sensitive generated pharmacophore model was used for screening virtual database generated using different combination of amino acid substitutions as well as decoy peptide database for its sensitivity and specificity. Identified hit peptides were further analyzed by docking studies, and their stability analyzed using solvated molecular dynamics. Quantum Mechanics/Molecular Mechanics (QM/MM) interaction energy and GMX-PBSA scoring schemes were used for ranking of stable peptides. Computational approach applied here generated encouraging results for identifying peptides against PDZ interaction model. The workflow can be further exercised as a virtual screening technique for reducing the search space for candidate target peptides against PDZ domains.

در شناسایی silico و طراحی بازدارنده‌های موثر پپتید در برابر PDZ - ۳ پروتیین چگالی postsynaptic (PSD - ۹۵)

خواص درونی منحصر به فرد of چون سمیت پایین، فعالیت بیولوژیکی بالا و اختصاصی بودن آن‌ها را عوامل درمانی جذاب می‌سازد. بازدارنده‌های پیوند PDZ پپتید برای درمان بیماری آلزایمر، پارکینسون، Dementia و دیگر بیماری‌های عصبی مرکزی نشان‌داده شده‌اند. در این مقاله، ما استفاده موفقیت‌آمیز یک پروتکل محاسباتی یکپارچه را برای تجزیه و تحلیل مبنای ساختاری چگونگی اتصال peptides به شیار سطحی حوزه سوم PDZ (PDZ - ۳)از چگالی پس سیناپسی پروتئین (PSD - ۹۵)گزارش می‌کنیم. این پروتکل تکنیک‌های محاسباتی دقیق و دقیق را برای طراحی استراتژی جدید برای پیش‌بینی پپتید جدید و قوی علیه پروتیین PDZ بکار می‌گیرد. ما تلاش کردیم یک مدل pharmacophore با استفاده از ساختار بلوری of پپتید به the - ۳ تولید کنیم. یک مدل pharmacophore تولید شده بسیار خاص و حساس برای غربالگری پایگاه‌داده مجازی تولید شده با استفاده از ترکیب مختلف جانشینی‌های amino اسید و نیز یک پایگاه‌داده پپتیدی پپتیدی برای حساسیت و ویژگی آن استفاده شد. peptides شناسایی‌شده توسط مطالعات داکینگ تایید شد و پایداری آن‌ها با استفاده از دینامیک مولکولی solvated آنالیز شد. مکانیک کوانتومی / مکانیک مولکولی (QM / MM)انرژی تعامل و طرح‌های امتیازدهی GMX - PBSA برای رتبه‌بندی پپتیدهای پایدار استفاده شدند. رویکرد محاسباتی به کار گرفته‌شده در اینجا منجر به تشویق نتایج برای شناسایی پپتید در مدل تعامل PDZ شده‌است. گردش کار می‌تواند به عنوان تکنیک غربالگری مجازی برای کاهش فضای جستجو برای پپتیدهای هدف کاندید در برابر دامنه‌های PDZ اعمال شود.

ترجمه شده با