Nghiên cứu mô hình 2D-QSAR trên các dẫn chất ức chế telomerase

  • Lê Minh Trí
  • Trần Thành Đạo
  • Nguyễn Đức Khánh Thơ
  • Nguyễn Tường Quang
  • Nguyễn Sĩ Tịnh Thùy
  • Võ Duy Nhàn
  • Mai Thành Tấn
  • Thái Khắc Minh

Tóm tắt

Telomerase hiện đang là một đích tác động đầy tiềm năng của các thuốc chống ung thư thế hệ mới. Mặc dù được phát hiện bởi Greider và Blackburn vào năm 1984 nhưng mãi đến năm 2009, telomerase mới được chứng minh có vai trò trong sự lão hóa tế bào và ung thư. Thành tựu này đã giúp Szostak, Greider và Blackburn giành giải thưởng cao quý Nobel Y học. Tiềm năng của việc thiết kế và nghiên cứu các dẫn chất ức chế telomerase trực tiếp hay gián tiếp không chỉ giới hạn trong điều trị ung thư mà còn mở rộng ra nhiều bệnh lý mang tính thời sự khác như bệnh tim mạch, đái tháo đường, bệnh lý tủy xương... vốn là những nguyên nhận gây tử vong hàng đầu trên thế giới hiện nay. Việc nghiên cứu các nhóm dẫn chất có khả năng ức chế enzym telomerase hứa hẹn sẽ đưa ra những phân tử thuốc tiềm năng trong điều trị ung thư, vừa rút ngắn thời gian nghiên cứu, tổng hợp, đồng thời đem lại hiệu quả điều trị cao. Trong nghiên cứu này, mối quan hệ định lượng giữa cấu trúc và tác dụng ức chế telomerase được xây dựng và tiến hành sàng lọc ảo nhằm tìm kiếm các cấu trúc có khả năng ức chế telomerase sử dụng trên lâm sàng.

            Đối tượng

            Telomerase là một phức hợp ribonucleoprotein, bao gồm hai thành phần chính, một tiểu đơn vị xúc tác sao chép ngược (hTERT 127 kD; Gene ID 7015) và một tiểu đơn vị ARN (hTR; Gene ID 7012).

            Phương pháp

- Các chất ức chế telomerase

- Mô hình QSAR - Đánh giá mô hình

Kết quả

Trong nghiên cứu này, mô hình 2D-QSAR trên các chất ức chế hoạt động telomerase với tập dữ liệu 110 chất thuộc 3 nhóm dẫn chất oxadiazol, pyrazol và flavonoid được xây dựng. Mô hình 2D-QSAR thu được có các thông số đáng tin cậy gồm Q2 = 0,54; R2 = 0,62; CCC = 0,76 và mô hình đạt yêu cầu về sai số giữa giá trị dự đoán và giá trị thực nghiệm. Sử dụng phương pháp đánh giá mô hình theo Roy và đánh giá Y-scrambling cho kết quả dự đoán với độ tin cậy khá tốt. Ứng dụng của mô hình có thể giúp xác định được một số thuốc trên thị trường có tiềm năng phát triển hoạt tính sinh học mới như là các chất ức chế telomerase có thể áp dụng trong điều trị ung thư.    
điểm /   đánh giá
Phát hành ngày
2019-05-06
Chuyên mục
BÀI BÁO