JoVE Logo
Authors
Contact Us

Sign In

A subscription to JoVE is required to view this content. Sign in or start your free trial.

In This Article

  • Summary
  • Abstract
  • Introduction
  • Protocol
  • النتائج
  • Discussion
  • Disclosures
  • Acknowledgements
  • Materials
  • References
  • Reprints and Permissions

Summary

يتبع بروتوكول التنبؤ بنمذجة تماثل الأجسام المضادة هذا رسو مستقبلات الأجسام المضادة Pyrx والمحاكاة الديناميكية الجزيئية. تستخدم هذه الطرق الأساسية الثلاث لتصور مناطق الارتباط الدقيقة لمستقبلات الأجسام المضادة واستقرار الارتباط للبنية النهائية.

Abstract

تم إنشاء الأجسام المضادة المتغيرة الشظية أحادية السلسلة (scFv) سابقا من سلاسل خفيفة وثقيلة متغيرة مرتبطة برابط (Gly4-Ser) 3. تم إنشاء الرابط باستخدام برنامج النمذجة الجزيئية كهيكل حلقي. هنا ، نقدم بروتوكولا لتحليلالسيليكو لجسم مضاد كامل من scFv يتفاعل مع مستقبلات عامل نمو البشرة (EGFR). نمذجة التماثل ، مع Pyrx لرسو إرساء البروتين والبروتين والمحاكاة الديناميكية الجزيئية للجسم المضاد scFv المتفاعل و EGFR أولا ، استخدم المؤلفون برنامج نمذجة بنية البروتين و Python لنمذجة التماثل ، وتم نمذجة هيكل الجسم المضاد scFv للتماثل. قام الباحثون بتنزيل برنامج Pyrx كمنصة في دراسة الإرساء. تم تشغيل المحاكاة الديناميكية الجزيئية باستخدام برنامج النمذجة. تظهر النتائج أنه عندما تعرضت محاكاة MD لتقليل الطاقة ، كان لنموذج البروتين أقل طاقة ربط (-5.4 كيلو كالوري / م). بالإضافة إلى ذلك ، أظهرت محاكاة MD في هذه الدراسة أن الجسم المضاد EGFR-scFv الراسي كان مستقرا لمدة 20-75 نانوثانية عندما زادت حركة الهيكل بشكل حاد إلى 7.2 Å. في الختام ، تم إجراء تحليل في السيليكو، وأثبتت محاكاة الالتحام الجزيئي والديناميكيات الجزيئية للجسم المضاد scFv فعالية الدواء العلاجي المناعي المصمم scFv كعلاج دوائي محدد ل EGFR.

Introduction

تحدث التغيرات التوافقية في البروتين (الترابط والمستقبل) دائما بناء على الوظائف القائمة على الهيكل. تعد دراسة الأخاديد الملزمة المحتملة للبروتين والتنبؤ بتفاعل الربط المستقر طريقة متقدمة لإعداد الأدوية لاستخدامها بشكل أفضل في جسم الإنسان. تعد نمذجة التماثل متبوعة بالالتحام والمحاكاة الديناميكية الجزيئية طريقة مباشرة للتنبؤ الدقيق بالتفاعلات المستقرة للارتباط بين بقايا المستقبلات والأجسام المضادة المبنية التي تستخدم كطب شخصيمحدد 1،2. يمكن أن يظهر هيكل النموذج المتوقع تغيرات توافقية وإعادة ترتيب في مواقع ربط مستقبلات الترابط ، لا سيما في واجهة مستقبلات الجسم المضاد. هناك العديد من الأسباب لهذه التغييرات ، مثل دوران السلاسل الجانبية ، أو التحول الهيكلي العالمي ، أو التعديلات الأكثر تعقيدا. السبب الرئيسي لنمذجة التماثل هو تمييز الهيكل الثلاثي للبروتين عن هيكله الأساسي2،3.

يلعب مستقبل التيروزين كيناز المسمى مستقبلات عامل نمو البشرة (EGFR) العديد من الأدوار البيولوجية في الخلايا السرطانية ، بما في ذلك موت الخلايا المبرمج4،5 ، والتمايز6،7 ، وتقدم دورة الخلية8،9 ، والتطور9،10 ، والنسخ11. EGFR هو أحد الأهداف العلاجية المعروفة لسرطان الثدي12. عادة ما يؤدي الإفراط في التعبير عن نشاط كيناز منتظم مثل EGFR إلى تطور الخلايا السرطانية ، والتي يمكن قمعها بواسطة أنواع كثيرة من مثبطاتالسرطان 13. تم استخدام مستقبل عامل نمو البشرة (EGFR) كمستقبل لمتغير جزء السلسلة المفردة الذي تم إنشاؤه خصيصا للعمل ضد هذا المستقبل. تم استخدام هيكله المتوقع لاختبار نشاط ربط الجسم المضاد.

في هذه الورقة ، تم نمذجة بنية الجسم المضاد scFv باستخدام برنامج النمذجة باستخدام نص Python وطريقة نمذجة التماثل14،15. يمكن بناء نموذج تماثل من تسلسل البروتين والأحماض الأمينية للمستقبلات والروابط16،17. بالإضافة إلى ذلك ، تم استخدام تقنيات المعلوماتية الحيوية المتقدمة مثل الإرساء الجزيئي للتنبؤ بكيفية ارتباط روابط الجزيئات الصغيرة بموقع الربط المستهدف الصحيح. من شأن الالتحام أن يوازن بين تطوير أدوية جديدة موجهة نحو أمراض متعددة. يؤخذ السلوك الملزم فيالاعتبار 5،18.

علاوة على ذلك ، يعد الإرساء الجزيئي تقنية حاسمة لتسهيل وتسريع تطور ارتباط مستقبلات الترابط. يمكن الإرساء الجزيئي العلماء من فحص مكتبة الروابط فعليا مقابل البروتين المستهدف والتنبؤ بمطابقات الارتباط والروابط للروابط ببروتين المستقبل المستهدف. توضح المحاكاة الديناميكية الجزيئية (MNS) كيف تتحرك المخلفات في الفضاء ، وتحاكي حركات الأجسام المضادة نحو مستقبلاتها ، وأخيرا تعلم جهود تصميم الأجسام المضادة. هذه الدراسة هي تنبؤ جديد بأبعاد صندوق الشبكة الذي قرر كيفية ارتباط الجسم المضاد scFv ب EGFR والكشف عن طاقة ووقت هذا الارتباط في MDsimulation.

Access restricted. Please log in or start a trial to view this content.

Protocol

1. تنبؤات الهيكل الثانوي لبروتين متغير جزء من سلسلة واحدة (scFv)

  1. قم ببناء هيكل ثلاثي الأبعاد لبروتين متغير الجزء أحادي السلسلة (scFv) باستخدام بنك بيانات بروتين BLAST (PDB) وترقيم KABAT وبرنامج النمذجة. يتكون scFv من رابط (Gly4-Ser) يربط سلسلة ثقيلة متغيرة (VH) وسلسلة خفيفة متغيرة (VL).
  2. استخدم برنامج النمذجة الجزيئية لبناء الرابط كهيكل حلقي ، وقم بتنفيذ كل هذه الطرق كما هو موضح في الدراسات السابقة2،19،20.

2. اختيار القالب والتنبؤ بهيكل scFv و EGFR 3D ونمذجة التماثل

  1. اختر القالب 1ivo لهياكل EGFR (بناء على دقته العالية). قم بتنزيل ملف 1ivo.pdb من موقع pdb ، كما هو موضح في الشكل 1 ب.
  2. قم بإعداد ملف الإدخال 1ivo.pdb كما هو موضح أدناه.
    1. في ملف 1ivo.pdb ، قم بإزالة جميع الروابط الخارجية عن طريق فتح موقع الويب pdb.org وتحديد 1ivo. الهيكل ، والبحث عن اسم الروابط تحت عنوان الجزيء الصغير في صفحة هيكل 1ivo على موقع pdb.
    2. أوجد اسم الترابط NAG. افتح ملف 1ivo.pdb الذي تم تنزيله من موقع pdb وابحث عن بقايا الإنهاء (TER).
    3. احذف بقايا الروابط الخارجية في هيكل 1ivo ، بدءا من البقايا بعد TER. وقبل انتهاء البقايا. احفظ ملف 1ivo.pdb على النظام.
  3. قم بإعداد ملف 1ivo.pdb المحفوظ كما هو موضح أدناه.
    1. قم بتنزيل برنامج إرساء Autodock (autodock.scripps.edu) من منطقة تحديد النافذة. انقر فوق ملف فتح 1ivo.pdb.
    2. استخدم الأمر تحرير لاختيار إضافة هيدروجين > إضافة، ثم حدد Polar Only، ثم اضغط على Ok.
    3. استخدم الأمر تحرير لإضافة رسوم Kollman (الشكل التكميلي 1). استخدم الأمر تحرير لحذف الماء. احفظ ملف 1ivo.pdb على جهاز الكمبيوتر.
  4. قلل من طاقة بنية 1ivo.pdb كما هو موضح أدناه.
    1. قم بتنزيل SPDBV. برنامج من http://spdbv.vital-it.ch/disclaim.html. افتح ملف 1ivo.pdb.
    2. حدد الكل. حدد الأمر Perf > Energy minimization > Ok (الشكل التكميلي 2). احفظ ملف 1ivo على جهاز الكمبيوتر.
  5. قم بإعداد النموذج الكامل scFv باستخدام نمذجة التماثل كما هو موضح أدناه.
    1. قم بتنزيل برنامج النمذجة17 وغلاف البرنامج النصي Python 3.7.9 من النافذة- 64. احتفظ بملفات البرامج التي تم تنزيلها في محرك الأقراص D.
  6. قم بإعداد ملفات الإدخال كما هو موضح أدناه.
    1. قم بتحميل ملف scFv Pdb بتنسيق fasta من موقع NCBI على الويب وأعد تسمية الملف TARGET.ali. كما هو موضح في ملف الترميز التكميلي 1. اختر القالب باستخدام قسم Blast في NCBI، والصق الملف المتسلسل، وحدد بتنسيق pdb 7det.pdb كما هو موضح في ملف الترميز التكميلي 2، ثم أرسله. بعد ذلك ، استخدم موقع الويب pdb.org للحصول على ملف القالب.
    2. قم بإعداد ملف الإدخال الثالث ك align2d.py (Python) كما هو موضح في ملف الترميز التكميلي 3 ، والذي يفتح كما هو موضح في الشكل التكميلي 3 أ. اضغط على خيار إظهار المزيد، ثم انتقل إلى تحرير باستخدام IDLE > تحرير باستخدام EDLE (64 بت). قم بتشغيل الأمر run module 5 في align2d.py للحصول على ملفين للإخراج: Tar- 7det.ali و Tar- 7det.pap.
  7. أكمل الخطوات الثلاث السابقة لاستخدام الأمر في ملف الإدخال الأخير.
  8. أضف ملف إدخال جديد model-single.py (ملف python للأمر) كما هو موضح في ملف الترميز التكميلي 4 وكما هو موضح أدناه.
    1. اضغط على خيار إظهار المزيد، ثم انتقل إلى تحرير باستخدام الخمول > تحرير باستخدام EDLE3.7 (64 بت). قم بتشغيل الأمر (تشغيل الوحدة النمطية 5) كما هو موضح في الشكل التكميلي 3 ب.
      ملاحظة: ملفات الإخراج الناتجة هي الملفات الستة لنماذج التماثل الموضحة في الشكل التكميلي 3C.

3. التنبؤ بالهيكل الثانوي للمستقبلات وتقييمه

  1. اكتشف تصحيح نماذج التماثل ودقتها كما هو موضح أدناه.
    1. قم بإنشاء مخطط Ramachandran لنماذج scFv ونماذج EGFR عن طريق تنزيل أداة التصور من https://discover.3ds.com/discovery-studio-visualizer-download.
    2. افتح الملف ، ثم انقر بزر الماوس الأيمن بالماوس وحدد تسلسل العرض (الشكل التكميلي 4). انسخ التسلسل والصقه في قاعدة البيانات المصورة للهياكل ثلاثية الأبعاد (pdbsum) www.ebi.ac.uk/thornton-srv/databases/pdbsum/.
    3. حدد البحث حسب التسلسل، والصق نسخة التسلسل، ثم أرسلها. قم بإنشاء المؤامرة كما هو موضح في الشكل 1 ب ، د.

4. إرساء البروتين والبروتين

  1. قم بتنزيل برنامج أداة الفحص الافتراضي.
  2. انتقل إلى الملف> اقرأ الجزيئات > تحميل 1ivo.pdb. انقر بزر الماوس الأيمن فوق البروتين في لوحة الdock التلقائي لإنشاء جزيء كبير. انقر بزر الماوس الأيمن مرة أخرى لعمل ترابط (الشكل التكميلي 5).
  3. انقر في لوحة القاعدة التلقائية لتحديد البروتين ثم حدد الترابط.
  4. افتح قائمة البروتينات. ثم ، من القائمة ، حدد scFv Protein.
  5. انتقل إلى تبديل مجالات التحديد. اضبط مربع الشبكة على مركز المستقبل. انقر فوق "أمام" عند ظهور الزر الوردي المستدير.
  6. لإعداد ملفات pdbqt لكل من هياكل الجسم المضاد scFv و EGFR (1ivo) ، استخدم الخطوات التالية.
    1. انتقل إلى C Drive > Program Files (86) > Users ، ثم اختر ملف pyrx الذي يحتوي على جزيئات كبيرة وملفات إخراج البروتين التي تم حفظها كملف pdbqt.
    2. بعد ذلك ، احفظ ملف الجسم المضاد متغير الجزء أحادي السلسلة (scFv) pdbqt.
  7. تحميل برنامج PyMOL في PyMOL | pymol.org. استخدم برنامج PyMOL لإظهار تكوينات EGFR لمستقبلات الأجسام المضادة scFv.
    1. انتقل إلى الملف وافتح C: \ Users \ ilham \ .mgltools \ PyRx \ Macromolecules \ protein. قم بإعداد تكوينات الإرساء للجسم المضاد scFvالتفاعل مع المستقبل في الشكل 2 أ كما هو موضح أدناه.
      1. استخدم خيار العرض لإظهار ملف المستقبلات (1ivo) كبقايا تسلسل بخلفية بيضاء موضحة في الشكل التكميلي 6.
      2. اعرض ملف تكوين الإرساء بدقة أعلى لرؤية لون الترابط بألوان البقايا الخضراء والحمراء. اعرض السطح الصلب لمستقبلات (1ivo) باللون الأصفر.
  8. قم بإعداد تكوينات الإرساء للجسم المضاد scFvالتفاعل مع المستقبل في الشكل 2 ب ، كما هو موضح أدناه.
    1. قم بتنزيل برنامج الإرساء من منطقة تحديد النافذة. استخدم Autodock لإظهار تكوينات ومطابقات مستقبلات الأجسام المضادة scFv.
      1. في Autodock ، اختر خيار التحليل ، ثم افتح نتيجة Autodock Vina. انتقل إلى ملف وافتح C: \ Users \ ilham \ .mgltools \ PyRx \ Macromolecules \ protein.
      2. حدد ملف pdb لمستقبلات البروتين ، ثم حدد منطقة تكوين الترابط (بنية الجسم المضاد scFv). قم بتوصيل السطح الصلب للمستقبل بتكوين الهيكل الراسي وإخفاء بقية المستقبل. قم بإخفاء البقايا البعيدة للمستقبل من المخلفات المتصلة بالترابط ، كما هو موضح في الشكل 2 ب.
    2. ثم اعتبر مركب البروتين والبروتين جاهزا لإجراء محاكاة MD.

5. المحاكاة الديناميكية الجزيئية (محاكاة MD) لمركب إرساء الأجسام المضادة EGFR-scFv

  1. قم بتنزيل برنامج محاكاة MD واستخدمه على النحو التالي.
    1. قم بإعداد ملف EGFR (1ivo) pdb باستخدام معالج الإصلاح كما في الشكل التكميلي 7 أ. قم بتشغيل قسم المعالجة المسبقة لتحسين الملف. أرسل الملف المنقح ليتم تعيينه في منشئ النظام.
    2. قم بتحميل برنامج محاكاة الديناميكيات الجزيئية من دليل العمل. أضف الأيونات وقم بترقية الملف المنقح للوصول إلى 20 Å لإرسال الوظيفة (الجدول 1) ، كما هو موضح أيضا في الشكل التكميلي 7 ب.
    3. قم بتحميل EGFR (1ivo) pdb من الملف المستورد ، ثم اختر 100 ns خطوات زمنية لتشغيله (الشكل التكميلي 7C).
  2. ابدأ تحليل المحاكاة بعد الانتهاء من MDsimulation كما هو موضح أدناه.
    1. قم بإنشاء مجلد وظيفة وحفظه في ملف cms. قم بتحميل ملف cms لتنفيذ هذه الخطوة في محاكاة MD.
    2. قم بإنشاء دليل عمل لمجلدات المشروع والإبلاغ عن قيم الطاقة. استخدم S.I.D. pdf للإبلاغ عن المحاكاة ، كما هو موضح في الشكل 3 أ ، ومخطط التفاعل ورابطة H ، كما هو موضح في الشكل 3 ب.
    3. قم بتحميل ملف pdf الخاص ب cms عن طريق التصفح من المجلد واستخدم TIP3P كنموذج لتقليل حجم الملف.
    4. قم بإنشاء ملف الحل لتنفيذ هذه الخطوة الموضحة في الشكل التكميلي 7D. احفظ ملف pdf من خلال البرنامج ، وقم بتحليل البيانات ، مما ينتج عنه الشكل 4 والشكل 5 والشكل 6.
  3. قم بإنشاء إعداد إنهاء MDsimulation عن طريق إنشاء ملف الحل. أوجد النتائج في مربع الحدود ، كما هو موضح في الشكل 7.

Access restricted. Please log in or start a trial to view this content.

النتائج

باستخدام تقنية عرض العاثيات ، تم إنشاء جين scFv المضاد ل EGFR من خط الورم الهجين للخلايا البائية C3A820،21. تم بناء نماذج هيكل متغير شظية السلسلة المفردة (scFv) لهياكل VH و VL بشكل منفصل ، وفقا ل Chua et al.22. بعد ذلك ، كانت النماذج مرئية كشرائط ?...

Access restricted. Please log in or start a trial to view this content.

Discussion

EGFR هو المستقبل المستهدف الأساسي لسرطان الثدي. يزيد الإفراط في التعبير عن EGFR من حالات سرطان الثدي في جميع أنحاء العالم. وفي الوقت نفسه ، فإن الأجسام المضادة المحددة مثل متغيرات شظية السلسلة المفردة هي أجسام مضادة تتحرك بسهولة عبر الدورة الدموية ولها معدل تصفية سريع في ال?...

Access restricted. Please log in or start a trial to view this content.

Disclosures

المؤلفون ليس لديهم ما يكشفون عنه.

Acknowledgements

اي.

Access restricted. Please log in or start a trial to view this content.

Materials

NameCompanyCatalog NumberComments
Autodock softwareCenter for Computational structural Biology AutoDock (scripps.edu)
Desmond Maestro 19.4 software Schrodingerwww.schrodinger.com 
Download Discovery Studio 2021  Dassault Systems https://discover.3ds.com/discovery-studio-visualizer-download.
Modeler Version 9.24[17] University of Californiahttps://salilab.org/modeller/9.24/release.html
Pictorial database of 3D structures (pdbsum)EMBL-EBI www.ebi.ac.uk/thornton-srv/databases/pdbsum/
PyMOL software SchrodingerPyMOL | pymol.org
Pyrx software Sourceforge Download PyRx - Virtual Screening Tool (sourceforge.net)
Python script 3.7.9 shell from the window (64)PythonPython Release Python 3.7.9 | Python.org
SPDBV software Expasyhttp://spdbv.vital-it.ch/disclaim.html

References

  1. Clark, J. J., Orban, Z. J., Carlson, H. A. Predicting binding sites from unbound versus bound protein structures. Sci Rep. 10 (1), 15856(2020).
  2. Huang, Y., et al. A stepwise docking molecular dynamics approach for simulating antibody recognition with substantial conformational changes. Comput Struct Biotechnol J. 20, 710-720 (2022).
  3. Mahgoub, I. O., Ali, A. M., Hamid, M., Alitheen, N. M. Single chain fragment variable (scFv) secondary structure prediction and evaluation. FASEB J. 25, (2011).
  4. Kim, H., et al. Titanium dioxide nanoparticles induce apoptosis by interfering with EGFR signaling in human breast cancer cells. Environ Res. 175, 117-123 (2019).
  5. Mahgoub, E. O., Abdella, G. M. Improved exosome isolation methods from non-small lung cancer cells (NC1975) and their characterization using morphological and surface protein biomarker methods. J Cancer Res Clin Oncol. 149 (10), 7505-7514 (2023).
  6. Shaurova, T., Zhang, L., Goodrich, D. W., Hershberger, P. A. Understanding lineage plasticity as a path to targeted therapy failure in EGFR-mutant non-small cell lung cancer. Front Genet. 11, 281(2020).
  7. Mahgoub, E. O., Bolad, A. K. Construction, expression and characterisation of a single chain variable fragment in the Escherichia coli periplasmic that recognise MCF-7 breast cancer cell line. J Cancer Res Ther. 10 (2), 265-273 (2014).
  8. Mahgoub, I. O. Design, expression and characterization of a single chain fragment variable anti-mcf-7 antibody; A humanized antibody derived from monoclonal antibody. Ann Res Conf Proc. 2014 (1), (2014).
  9. Sun, X. L., et al. Dimeric (-)-epigallocatechin-3-gallate inhibits the proliferation of lung cancer cells by inhibiting the EGFR signaling pathway. Chem Biol Interact. 365, 110084(2022).
  10. Mahgoub, E. O., Haik, Y., Qadri, S. Comparison study of exosomes molecules driven from (NCI1975) NSCLC cell culture supernatant isolation and characterization techniques. FASEB J. 33, 647(2019).
  11. Madeddu, C., et al. EGFR-mutated non-small cell lung cancer and resistance to immunotherapy: Role of the tumor microenvironment. Int J Mol Sci. 23 (12), 6489(2022).
  12. Mahgoub, I., Bolad, A. K., Mergani, M. and immune-characterization of single chain fragment variable (scFv) antibody recognize breast cancer cells line (MCF-7). J. Immunother Cancer. 2, 6(2014).
  13. Ladner, R. C., Sato, A. K., Gorzelany, J., de Souza, M. Phage display-derived peptides as therapeutic alternatives to antibodies. Drug Discov Today. 9 (12), 525-529 (2004).
  14. Khan, M. H., Manoj, K., Pramod, S. Reproductive disorders in dairy cattle under semi-intensive system of rearing in North-Eastern India. Vet World. 9 (5), 512-518 (2016).
  15. Al-Refaei, M. A., Makki, R. M., Ali, H. M. Structure prediction of transferrin receptor protein 1 (TfR1) by homology modelling, docking, and molecular dynamics simulation studies. Heliyon. 6 (1), 03221(2020).
  16. Anbuselvam, M., et al. Structure-based virtual screening, pharmacokinetic prediction, molecular dynamics studies for the identification of novel EGFR inhibitors in breast cancer. J Biomol Struct Dyn. 39 (12), 4462-4471 (2021).
  17. Oduselu, G. O., Ajani, O. O., Ajamma, Y. U., Brors, B., Adebiyi, E. Homology modelling and molecular docking studies of selected substituted benzo d imidazol-1-yl) methyl) benzimidamide scaffolds on Plasmodium falciparum adenylosuccinate lyase receptor. Bioinform Biol Insights. 13, 1177932219865533(2019).
  18. Mahgoub, E. O., et al. et al. of exosome isolation techniques in lung cancer. Mol Biol Rep. 47 (9), 7229-7251 (2020).
  19. Shree, P. Targeting COVID-19 (SARS-CoV-2) main protease through active phytochemicals of ayurvedic medicinal plants -Withania somnifera (Ashwagandha), Tinospora cordifolia (Giloy) and Ocimum sanctum (Tulsi) - a molecular docking study. J Biomol Struct Dyn. 40 (1), 190-203 (2022).
  20. Mahgoub, I. O. Expression and characterization of a functional single-chain variable fragment (scFv) protein recognizing MCF7 breast cancer cells in E. coli cytoplasm. Biochem Genet. 50 (7-8), 625-641 (2012).
  21. Mahgoub, E. O. Single chain fragment variables antibody binding to EGF receptor in the surface of MCF7 breast cancer cell line: Application and production review. Open J Genet. 7 (2), 84-103 (2017).
  22. Heng, C. K., Othman, R. Y. Bioinformatics in molecular immunology laboratories demonstrated: Modeling an anti-CMV scFv antibody. Bioinformation. 1 (4), 118-120 (2006).
  23. Mahgoub, E. O., Ahmed, B. Correctness and accuracy of template-based modeled single chain fragment variable (scFv) protein anti- breast cancer cell line (MCF-7). Open J Genet. 3 (3), 183-194 (2013).
  24. Khare, N., et al. Homology modelling, molecular docking and molecular dynamics simulation studies of CALMH1 against secondary metabolites of Bauhinia variegata to treat Alzheimer's disease. Brain Sci. 12 (6), 770(2022).
  25. Hu, J., Rao, L., Fan, X., Zhang, G. Identification of ligand-binding residues using protein sequence profile alignment and query-specific support vector machine model. Anal Biochem. 604, 113799(2020).
  26. Santos, L. H. S., Ferreira, R. S., Caffarena, E. R. Integrating molecular docking and molecular dynamics simulations. Methods Mol Biol. 2053, 13-34 (2019).
  27. Xu, D., Tsai, C. J., Nussinov, R. Hydrogen bonds and salt bridges across protein-protein interfaces. Protein Eng. 10 (9), 999-1012 (1997).
  28. Das, S., Chakrabarti, S. Classification and prediction of protein-protein interaction interface using machine learning algorithm. Sci Rep. 11 (1), 1761(2021).
  29. Mahmoud, S. S. A., Elkaeed, E. B., Alsfouk, A. A., Abdelhafez, E. M. N. Molecular docking and dynamic simulation revealed the potential inhibitory activity of opioid compounds targeting the main protease of SARS-CoV-2. Biomed Res Int. 2022, 1672031(2022).
  30. Villada, C., Ding, W., Bonk, A., Bauer, T. Simulation-assisted determination of the minimum melting temperature composition of MgCl2-KCl-NaCl salt mixture for next-generation molten salt thermal energy storage. Front. Energy Res. 10, 809663(2022).
  31. Hog, S. E., Rjiba, A., Jelassi, J., Dorbez-Sridi, R. NaCl salt effect on water structure: a Monte Carlo simulation study. Phys Chem Liq. 60 (5), 767-777 (2022).
  32. Maruyama, Y., Igarashi, R., Ushiku, Y., Mitsutake, A. Analysis of protein folding simulation with moving root mean square deviation. J Chem Inf Model. 63 (5), 1529-1541 (2023).
  33. Winarski, K. L., et al. Vaccine-elicited antibody that neutralizes H5N1 influenza and variants binds the receptor site and polymorphic sites. Proc Natl Acad Sci U S A. 112 (30), 9346-9351 (2015).
  34. Awal, M. A., et al. Structural-guided identification of small molecule inhibitor of UHRF1 methyltransferase activity. Front Genet. 13, 928884(2022).
  35. Sharma, P., Hu-Lieskovan, S., Wargo, J. A., Ribas, A. adaptive, and acquired resistance to cancer immunotherapy. Cell. 168 (4), 707-723 (2017).
  36. Geerds, C., Wohlmann, J., Haas, A., Niemann, H. H. Structure of Rhodococcus equi virulence-associated protein B (VapB) reveals an eight-stranded antiparallel β-barrel consisting of two Greek-key motifs. Acta Crystallogr F Struct Biol Commun. 70 (7), 866-871 (2014).
  37. Mahgoub, E., et al. The therapeutic effects of tumor treating fields on cancer and noncancerous cells. Arabian J Chem. 14 (10), 103386(2021).
  38. Hospital, A., Goni, J. R., Orozco, M., Gelpi, J. L. Molecular dynamics simulations: advances and applications. Adv Appl Bioinform Chem. 8, 37-47 (2015).
  39. Kaur, J., Tiwari, R., Kumar, A., Singh, N. Bioinformatic analysis of Leishmania donovani long-chain fatty acid-CoA ligase as a novel drug target. Mol Biol Int. 2011, 278051(2011).
  40. Páll, S., Hess, B. A flexible algorithm for calculating pair interactions on SIMD architectures. Comp Phy Comm. 184 (12), 2641-2650 (2013).
  41. Tobi, D., Bahar, I. Structural changes involved in protein binding correlate with intrinsic motions of proteins in the unbound state. Proc Natl Acad Sci U S A. 102 (52), 18908-18913 (2005).
  42. Sinha, S., Wang, S. M. of VUS and unclassified variants in BRCA1 BRCT repeats by molecular dynamics simulation. Comput Struct Biotechnol J. 18, 723-736 (2020).
  43. Patel, D., Athar, M., Jha, P. C. Exploring Ruthenium-based organometallic inhibitors against Plasmodium falciparum calcium dependent kinase 2 (PfCDPK2): A combined ensemble docking, QM/MM and molecular dynamics study. Chem Select. 6 (32), 8189-8199 (2021).
  44. Khan, A., et al. Higher infectivity of the SARS-CoV-2 new variants is associated with K417N/T, E484K, and N501Y mutants: an insight from structural data. J Cell Physiol. 236 (10), 7047-7057 (2021).
  45. Zhang, Q., Shao, d, Xu, P., Jiang, Z. Effects of an electric field on the conformational transition of the protein: Pulsed and oscillating electric fields with different frequencies. Polymers. 14 (1), 123(2021).
  46. Mahtarin, R., et al. et al. and dynamics of membrane protein in SARS-CoV-2. Biomol Struct Dyn. 40 (10), 4725-4738 (2022).

Access restricted. Please log in or start a trial to view this content.

Reprints and Permissions

Request permission to reuse the text or figures of this JoVE article

Request Permission

Explore More Articles

ScFv Pyrx EGFR

This article has been published

Video Coming Soon

JoVE Logo

Privacy

Terms of Use

Policies

Contact Us

Recommend to library

JoVE NEWSLETTERS

Research

Education

Authors

Librarians

ABOUT JoVE

Copyright © 2025 MyJoVE Corporation. All rights reserved