European Journal of Medicinal Chemistry 44 (2009) 3703-3711

daftar isi yang tersedia di ScienceDirect

European Journal of Chemistry Obat

jurnal homepage: ht tp: / /www.elsevier .com / cari / ejmech

Artikel asli

Aplikasi 3D QSAR CoMFA / CoMSIA dan in silico Studi docking pada inhibitor renin baru
terhadap penyakit kardiovaskular

Aggeliki Politi Sebuah . b . Serdar Durdagi b . c . Panagiota Moutevelis-Minakakis Sebuah .

George Kokotos Sebuah . Manthos G. Papadopoulos b . Thomas Mavromoustakos Sebuah . b . *
Sebuah Capodistrian Universitas Athena, Departemen Kimia, Zographou, 15.771 Athena, Yunani
b Institute of Organic dan Farmasi Kimia, Hellenic Yayasan Riset Nasional, Athena, Yunani
c Departemen Biologi, Kimia dan Farmasi, Freie Universität Berlin, Jerman

articleinfo abstrak

Pasal sejarah: Untuk pertama kalinya, satu set renin inhibitor menjadi sasaran studi 3D QSAR / CoMFA dan CoMSIA. Utilitas inhibitor renin dalam pengobatan
Menerima Desember 2008 18 diterima penyakit kardiovaskular belum sepenuhnya dieksplorasi. Pada saat ini, aliskiren adalah pertama dan hanya ada inhibitor renin di pasar obat.
dalam bentuk revisi 29 Maret 2009
dilakukan 3D QSAR / CoMFA dan CoMSIA dalam kombinasi dengan studi docking termasuk aliskiren dan 37 turunannya memiliki berbagai
bioaktivitas. Hasil yang diperoleh dapat membantu dalam desain novel inhibitor renin bioaktif.
Diterima 30 Maret 2009 Tersedia online 8
April 2009

2009 Elsevier Masson SAS. Seluruh hak cipta.

Kata kunci:
Renin Inhibitor 3D
QSAR CoMFA
CoMSIA

dalam silico perkaitan

1. Perkenalan
Peningkatan tekanan darah, tekanan terutama sistolik (hipertensi), menganugerahkan cant risiko
kardiovaskular dan kesehatan masyarakat perhatian signi fi dan harus aktif diobati. Salah satu sistem
utama yang terlibat dalam peninggian tekanan adalah sistem renin-angiotensin (RAS) dan kemudian
penghambatan akan memiliki manfaat efek resmi untuk menurunkan tekanan darah dan
meningkatkan kesehatan jantung
[1-3] . RAS diatur oleh serangkaian reaksi enzimatik fi c yang sangat spesifik. Yang pertama reaksi
enzimatik di jalur tersebut dimulai dengan produksi ginjal renin yang memotong angiotensinogen
untuk menghasilkan angiotensin I. Angiotensin I kemudian dibelah oleh angiotensin-converting
enzyme (ACE) untuk menghasilkan aktif peptida vasokonstriksi hormon angiotensin II. Hormon
octapeptide angiotensin II mengikat AT 1 reseptor untuk mengerahkan jaringan efek yang spesifik
yang mengontrol tekanan darah ( Gambar. 1 ). Obat yang menghambat tindakan biologis renin
diharapkan memiliki beberapa potensi
keuntungan. Pertama, karena renin mengkatalisis langkah tingkat-membatasi dalam kaskade reaksi
enzimatik dari RAS, blokade diharapkan menjadi lebih efisien. Kedua, substrat hanya dikenal karena
renin adalah angiotensinogen, menunjukkan bahwa obat yang menghalangi reaksi enzimatik di mana
angiotensinogen diubah menjadi angiotensin I harus memiliki spesifik kota fi yang lebih tinggi dan
efek samping yang lebih sedikit dibandingkan dengan ACE inhibitor yang bekerja pada langkah
biokimia berikutnya. Ketiga, ACE jalur independen untuk generasi angiotensin II seperti chymase
tidak mempengaruhi langkah pertama dari kaskade enzimatik reaksi. Keempat, peptida berbahaya
lain yang mungkin berasal dari angiotensin I tidak akan terbentuk [4-8] . Potensi keuntungan di atas
renin inhibitor dipicu upaya penelitian intensif untuk mengembangkan inhibitor renin baru. The fi
molekul sintetik pertama entah peptida atau peptida seperti inhibitor renin (yaitu, remikiren dan
zanikiren) dan menderita bioavailabilitas mereka miskin lisan, eliminasi yang cepat, rendah efficacy,
dan tingginya biaya sintesis. Baru-baru ini, penggunaan kombinasi pemodelan molekul dan analisis
struktur kristalografi menyebabkan perkembangan dari aliskiren, seorang lisan yang efektif,
non-peptida penghambat renin manusia, disetujui oleh Food and Drug Administration (FDA) di
March2007byNovartiswith nama komersial Tekturna [9-13] . Struktur X-ray kristal renin manusia
rekombinan pertama ditentukan oleh Sialecki dan rekan kerja pada resolusi Å 2,5 [14] . Struktur kristal
renin manusia menunjukkan bahwa enzim terdiri dari

Singkatan: r 2cv, cross-divalidasi r 2; r 2, korelasi persegi koefisien; QSAR, Kuantitatif Kegiatan Struktur Hubungan;
CoMFA, Perbandingan Molekuler Field Analysis; CoMSIA, Perbandingan Molekuler Similarity Indeks Analisis.

* Penulis yang sesuai. Capodistrian Universitas Athena, Jurusan Kimia, 15.771 Athena, Yunani. Tel .: þ 30
2107274293; fax: þ 30 2107274261.
Alamat email: tmavrom@chem.uoa.gr . tmavro@eie.gr (T. Mavromoustakos).

0223-5234 / $ - melihat hal depan 2009 Elsevier Masson SAS. Seluruh hak cipta. doi: 10,1016 /
j.ejmech.2009.03.040
3704 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711

angiotensinogen

renin

angiotensin I

KARTU AS

angiotensin II

AT 1 Receptor

Gambar. 1. Sistem renin-angiotensin (RAS).

Gambar. 2. Struktur aliskiren (senyawa Template 26) dan kantong yang menempati (atas) dan struktur kristal (bawah).

dua terutama b- sheet domain terkait dengan sumbu sekitar dua kali lipat. Situs aktif sumbing terletak
di antara dua domain dan meluas lebih dari delapan residu dari substrat masing-masing [15] . Delapan
residu dari substrat menempati delapan subsites dari situs aktif (S5, S4, S3, S2, S1, S1 0, S2 0, S3 0). Setiap dihasilkan Model 3D QSAR memungkinkan kita untuk mengantisipasi mengikat af fi nilai nity
domain mengandung salah satu karboksilat katalitik penting aspartat asam (Asp32 dan Asp215). Di diprediksi. Untuk mengetahui korelasi koefisien koefisien fi linear antara aktual vs dihitung nities fi af
kompleks inhibitor enzim peptidic, inhibitor mengikat dalam konformasi diperpanjang menempati
mengikat, setidaknya parsial persegi (PLS) analisis statistik dari data yang digunakan. CoMFA dan
subsites berikut situs aktif (S4, S3, S2, S1, S1 0, S2 0). Sebaliknya, aliskiren bertindak sebagai mimesis
CoMSIA plot kontur digunakan untuk menjelaskan persyaratan struktural yang berbeda untuk inhibitor
keadaan transisi, menghambat renin melalui ikatan hidrogen dari kedua gugus hidroksil pusat dan
dalam situs aktif renin. Hasil kontur digunakan sebagai model percontohan untuk menguji analog
fungsi amino dari katalitik Asp32 dan Asp215 residu dan tidak berinteraksi dengan S2 atau S4 situs
novel dirancang sebelum sintesis mereka.
pengikatan renin, bukan berinteraksi dengan yang baru yang disebut S3 sp

2. Hasil dan diskusi

[16] . Struktur aliskiren dan interaksinya disukai dengan situs mengikat ditunjukkan pada Gambar. 2 .
Selain itu, aliskiren terbukti menjadi inhibitor yang sangat ampuh renin manusia dan berbeda dengan
semua inhibitor sebelumnya, jauh lebih kuat dan long acting in vivo
setelah pemberian oral di marmoset natrium-habis dan pada pasien hipertensi [17] . Berdasarkan hasil
ini, Maibaum et al.
[18,19] memperluas studi tentang renin inhibitor dan disintesis 5 (S) -amino-4 (S) analog
-hydroxy-8-fenil-octanecarboxamide yang dapat digambarkan sebagai derivatif aliskiren. Tiga puluh
senyawa dilaporkan kelompok penelitian ini [18,19] digunakan sebagai database untuk melakukan
tiga dimensi kuantitatif hubungan struktur-aktivitas (3D QSAR) studi. Untuk pengetahuan kita
penelitian ini adalah aplikasi pertama fi untuk 3D QSAR pada inhibitor renin non-peptida. Studi 2D
QSAR sebelumnya menutupi inhibitor renin terutama peptidomimetic dan model yang dikembangkan
menunjukkan bahwa aktivitas penghambatan mereka sebagian besar bergantung pada berat molekul
senyawa, radius waals der van parameter yang terkait dari substituen dan efek elektronik lokal [20,21] .
Tujuan dari studi kami adalah untuk mengekstrak korelasi antara aktivitas biologis dari training set
molekul dan struktur 3D mereka. Pentingnya karakteristik sterik dan elektrostatik terungkap dengan
menyelaraskan struktural analog serupa dengan menggunakan fitur pharmacophoric sebagai
pemandu superimposisi struktural.
Penggunaan Analisis banding Molekuler Lapangan (CoMFA) dan banding Molekuler Kesamaan
Indeks Analisis (CoMSIA) pendekatan bersama-sama memberikan kemampuan yang lebih baik dari
visualisasi dan interpretasi korelasi yang diperoleh dalam hal kontribusi lapangan [22,23] . model
pharmacophore dikembangkan dengan menggunakan ligan yang paling ampuh dari pelatihan
ditetapkan sebagai template. Setiap
CoMFA dan CoMSIA teknik yang digunakan dalam rangka untuk memperoleh model 3D QSAR
stabil selama tiga puluh 2,7-dialkil tersubstitusi 5 (S) amino-4 (S)
-hydroxy-8-fenil-octanecarboxamides renin inhibitor digunakan sebagai training set. Itu in vitro konsentrasi
hambat (IC 50) molekul diubah menjadi nilai logaritmik yang sesuai (Pic 50) dan digunakan sebagai
variabel dependen. QSARmodels yang dihasilkan tersebut kemudian divalidasi dengan melakukan
tes set prediksi menggunakan delapan molekul baru.
Tabel 1 daftar semua struktur yang digunakan dalam pelatihan dan uji set dan IC mereka 50 nilai
yang diperoleh dengan puri fi ed renin manusia [18,19] . IC 50
nilai-nilai berbeda hingga 230 kali lipat, sehingga ada mencukupi keragaman dalam kumpulan data
dalam rangka untuk membangun model QSAR stabil. Di antara molekul yang digunakan untuk studi
QSAR, senyawa yang sangat bioaktif 26
(Aliskiren) di Tabel 1 , Yang struktur kristal dikenal dan telah diselesaikan oleh co-kristalisasi dengan
rekombinan renin manusia glikosilasi 2,2 resolusi Å [16] terpilih sebagai molekul Template.
atom yang dipilih dari template dan umum di semua senyawa dipelajari untuk superimposisi
selama keselarasan adalah C 1,
C 2, C 3, C 4, C 5, C 6, HAI 7, C 8, C 14, C 15, C 16, C 17, C 18, N 19, C 20, HAI 21, C 22, C 23,
C 24, C 25, HAI 26, N 27, C 28 ( Gambar. 2 ). Gambar. 3 menggambarkan superimposisi semua molekul yang
terdiri dari training set.
Hasil yang diperoleh dari analisis PLS dirangkum dalam
Meja 2 . Diprediksi versus Pic eksperimental 50 nilai untuk training set tercantum dalam tabel 3 dan
digambarkan secara grafis di
Gambar. 4 untuk CoMFA dan CoMSIA model, masing-masing. Untuk model CoMFA, cuti-satu
cross-divalidasi r 2 nilai ( r 2cv) yang diperoleh adalah 0,628 dan noncross-divalidasi konvensional r 2 nilai
adalah 0,985
 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711 3705

Tabel 1
Struktur 38 analog digunakan sebagai training set (senyawa 1 - 30) dan uji set (senyawa 31 - 38), konsentrasi hambat mereka (IC 50) nilai-nilai dan GoldScores inhibitor pada training set.

OH R3

HN
H2N

2
R4

HAI

ATAU

R1

Comp tidak ada. R1 R2 R3 R4 IC 50 ( nM) kiralitas GoldScore

Perlengkapan latihan

1 MEO CH 2 CONH 2 Saya (CH 2) 3 CH 3 92 64,70

2 MEO CH 2 CONHMe Saya (CH 2) 3 CH 3 42 73,59
3 MEO CH 2 BEGITU 2 Saya Saya (CH 2) 3 CH 3 50 72,28
4 MEO CH 2 CH 2 CH 2 OH Saya (CH 2) 3 CH 3 6 80,52
5 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 3 OH 2 77,17
6 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 2 NME 2 18 75,33
7 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 3 NH 2 16 83,28

(CH 2) 2 N
8 MEO CH 2 CH 2 CH 2 OMe Saya 22 55,75

(CH 2) 3 N HAI

9 MEO CH 2 CH 2 CH 2 OMe Saya 11 65,36

10 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 2 BERSAMA 2 H 12 67,68

11 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 3 BERSAMA 2 H 3 70,86
12 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 2 BERSAMA 2 et 4 73,32
13 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 4 OCOMe 6 70,59
14 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 2 CONH 2 7 78,20
15 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 3 CONH 2 1 93,46
16 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 4 CONH 2 2 68,37
N

(CH 2) 2
17 MEO CH 2 CH 2 CH 2 OMe Saya 8 81.58

18 MEO CH 2 CH 2 CH 2 OMe saya- propil (CH 2) 3 CONH 2 0,7 64,65

19 MEO CH 2 CH 2 CH 2 OMe saya- propil CH 2 CONH 2 3 77,32
20 MEO CH 2 CH 2 CH 2 OMe saya- propil CHMeCONH 2 4 S 70.30
21 MEO CH 2 CH 2 CH 2 OMe saya- propil CH (CH 2 OH) CONH 2 2 S 67,25
22 MEO CH 2 CH 2 CH 2 OMe saya- propil CME 2 CONH 2 13 53,78
23 MEO CH 2 CH 2 CH 2 OMe saya- propil CHMeCH 2 CONH 2 6 R 86,47
24 MEO CH 2 CH 2 CH 2 OMe saya- propil CH 2 CHMeCONH 2 0,9 R 67,77
25 MEO CH 2 CH 2 CH 2 OMe saya- propil CH 2 CHMeCONHMe 1 S 79,52

26 MEO CH 2 CH 2 CH 2 OMe saya- propil CH 2 CONH 2 0,6 75.78

CONHMe
27 MEO CH 2 CH 2 CH 2 OMe saya- propil CH 2
0,4 72,85

28 MEO CH 2 CH 2 CH 2 OMe saya- propil (CH 2) 3 CONHMe 0,8 77.07

29 tert- butil CH 2 CONH 2 Saya (CH 2) 3 CH 3 20 74,93

CONHMe
30 MEO CH 2
Saya (CH 2) 3 CH 3 5 92.50

uji set
31 tert- butil CH 2 BERSAMA 2 Saya Saya (CH 2) 3 CH 3 6
32 tert- butil CH 2 BEGITU 2 Saya Saya (CH 2) 3 CH 3 13
33 MEO CH 2 CH 2 CH 2 OMe Saya (CH 2) 3 CH 3 1
34 MEO CH 2 CH 2 OCH 2 CH 2 OMe Saya (CH 2) 3 CH 3 19
35 MEO CH 2 CH 2 CH 2 CH 2 CH 3 Saya (CH 2) 3 CH 3 4

C N HAI

36 MEO CH 2 CH 2 CH 2 OMe saya- propil 16

( bersambung ke halaman berikutnya)

3706 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711

Tabel 1 ( terus)

Comp tidak ada. R1 R2 R3 R4 IC 50 ( nM) kiralitas GoldScore

H2 C N OH
37 MEO CH 2 CH 2 CH 2 OMe Saya 10

(H 2 C) 3
38 MEO CH 2 CH 2 CH 2 OMe Saya 3
NNN
NH

Meja 2
Ringkasan CoMFA dan CoMSIA hasil.

CoMFA CoMSIA

hasil statistik r 2cv Sebuah

0,628 0,666
r2 0,985 0,971
LIHAT b 0,082 0,117
probabilitas r 2ncv 0.000 0.00
F 315,292 128,684
komponen 5 6
Fraksi (%)
sterik 0,495 0,776
elektrostatik 0,505 0,224
r 2bootstrapping 0,993 0,988
LIHAT bootstrap 0,005 0,006

Sebuah Cross-divalidasi r 2 dengan izin-satu-out metode.

b Standard error dari estimasi.

Gambar. 3. keselarasan struktur senyawa yang terdiri dari training set untuk membangun 3D QSAR / CoMFA dan
CoMSIA model. tabel 3
kegiatan eksperimental dan prediksi (Pic 50) pelatihan set molekul.

Model No. CoMFA Model CoMSIA

sedangkan analisis PLS untuk model CoMSIA menunjukkan bahwa r 2cv adalah 0,666 dan r 2 adalah
0,971. tabel 3 menunjukkan bahwa rata-rata sisa dari nilai-nilai eksperimental dan prediksi yang 0,06 pic 50 pic 50 residual pic 50 pic 50 Sisa
(eksperimental) (Diprediksi) (eksperimental) (Diprediksi)
dan 0,08 untuk CoMFA dan CoMSIA model, masing-masing. Akibatnya, kedua model memberikan
hampir sama statistik kepercayaan diri dan produktivitas, sebagai plot linier Gambar. 4 con fi rm. 1 7.04 7,209 0,17 7.04 7,195 0,16
2 7.38 7,197 0,18 7.38 7,205 0,18
3 7.30 7,339 0,04 7.30 7,463 0,16
4 8.22 8,086 0,13 8.22 8,033 0.19
Dalam rangka untuk memvalidasi dibangun model 3D QSAR, delapan senyawa ( 31 - 38) digunakan 5 8.70 8,612 0,09 8.70 8,423 0,28

sebagai satu set tes. pic mereka 50 nilai berkisar antara 7,72 dan 9,00 dan kegiatan biologis mereka 6 7.74 7,762 0.02 7.74 7.89 0,15
7 7.80 7,878 0,08 7.80 7,769 0,03
diprediksi dari persamaan PLS berasal dari CoMFA dan CoMSIA model ( tabel 4 ). deviasi rata-rata
8 7.66 7,641 0.02 7.66 7,664 0
yang diperoleh dari Pic 50 nilai dari penelitian ini adalah 0,64 untuk CoMFAmodel dan 0,42 untuk
9 7.96 8,002 0,04 7.96 7,987 0,03
CoMSIAmodel menunjukkan bahwa kedua model memberikan prediksi yang baik untuk estimasi 10 7.92 8,035 0.11 7.92 7,925 0
nities fi af dari senyawa baru sebelum sintesis mereka ( tabel 4 ). 11 8.52 8,536 0.02 8.52 8,609 0,09
12 8.40 8,499 0,1 8.40 8,499 0,1
13 8.22 8,157 0,06 8.22 8,179 0,04
14 8.16 8.2 0,04 8.16 8,122 0,04
15 9.00 8,988 0.01 9.00 8,937 0,06
Buah ara. 5 dan 6 menggambarkan plot kontur stereoelectronic untuk senyawa 1 yang memiliki 16 8.70 8,784 0,08 8.70 8,743 0,04
bioaktivitas terendah dan 26 inhibitor oral ampuh (aliskiren) dalam data set untuk CoMFA dan 17 8.10 8,006 0,09 8.10 8,041 0,06
18 9.15 9,188 0,04 9.15 9,335 0.19
CoMSIA model. The sterik lapangan didefinisikan oleh kontur berwarna hijau mewakili daerah
19 8.52 8,457 0,06 8.52 8,461 0,06
toleransi sterik tinggi (kontribusi 80%), sedangkan kontur berwarna kuning mewakili daerah dari efek
20 8.40 8,338 0,06 8.40 8,444 0,04
sterik yang tidak menguntungkan (kontribusi 20%). Kontur berwarna biru mewakili daerah di mana 21 8.70 8,724 0.02 8.70 8,653 0,05
kelompok bermuatan positif meningkatkan aktivitas (kontribusi 80%) dan kontur berwarna merah di 22 7.89 7,897 0.01 7.89 7,936 0,05

mana kelompok bermuatan negatif meningkatkan aktivitas (kontribusi 20%). 23 8.22 8,189 0,03 8.22 8,156 0,06
24 9,05 9,041 0.01 9,05 8,954 0,1
25 9.00 9,053 0,05 9.00 8,995 0
26 9.22 9,205 0.01 9.22 9.26 0,04
27 9.40 9,403 0 9.40 9,368 0,03
The CoMFA peta sterik menampilkan kontur berwarna kuning yang berbatasan dengan daerah A 28 9.10 9,026 0,07 9.10 9,132 0,03
29 7.70 7,696 0 7.70 7,748 0,05
dan C. CoMFA menampilkan peta elektrostatik merah kontur berwarna di bagian selatan wilayah A
30 8.30 8,321 0.02 8.30 8,344 0,04
andwithin wilayah C. Biru kontur berwarna diamati di bagian utara
CoMFA nilai rata-rata sisa: 0,06 CoMSIA nilai rata-rata sisa: 0,08
 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711 3707

tabel 4
kegiatan eksperimental dan prediksi (Pic 50) molekul test set.

Model No. CoMFA Model CoMSIA

pic 50 pic 50 residual pic 50 pic 50 Sisa

(eksperimental) (Diprediksi) (eksperimental) (Diprediksi)

31 8.22 7,413 0,807 8.22 8,256 0.036

32 7.89 7,385 0,505 7.89 8,361 0,471
33 9.00 7,317 1,683 9.00 8,334 0,666
34 7,72 7,243 0,477 7,72 8,294 0,574
35 8.40 7,352 1,048 8.40 8,505 0,105
36 7.80 7,595 0,205 7.80 8,485 0,685
37 8.00 8,121 0,121 8.00 9,358 1,358
38 8.52 7,985 0,535 8.52 9,338 0,818
CoMFA nilai rata-rata sisa: 0.64 CoMSIA nilai rata-rata sisa: 0,42

senyawa 1 gugus karbonil dipetakan dekat kontur berwarna biru (kelompok dibebankan negatif
disfavored) menjelaskan penurunan aktivitas. Di sisi lain, di wilayah C, biru (kelompok dibebankan
positif disukai) dan berwarna merah (kelompok dibebankan negatif disukai) kontur yang tertanam ke
dalam kuning (kelompok besar tidak disukai) medan di CoMFA dan CoMSIAmodels, menunjukkan
bahwa orientasi R 4 Kelompok mungkin memainkan peran penting dalam menentukan bioaf fi nity
sebagai negatif dan bermuatan positif yang menguntungkan polyhedra hidup berdampingan di
wilayah ini. Selanjutnya, dari evaluasi SAR, tampak bahwa panjang ekor rantai mempengaruhi
aktivitas, tidak peduli apakah kelompok terminal elektropositif atau elektronegatif (senyawa 10 - 11 dan 14
- 16).

Kontur berwarna hijau di sekitar acara wilayah B bahwa kelompok-kelompok besar

meningkatkan mengikat afinitas untuk renin di kedua CoMFA dan CoMSIA model ( Buah ara. 5 dan 6 ).
Secara khusus, kehadiran
saya- kelompok propil bukannya kelompok metil pada R 3 posisi memimpin di pic yang lebih besar 50 nilai-nilai.
Selanjutnya, dalam kasus yang sangat aktif
senyawa (misalnya, senyawa 18, 24 - 28) itu saya- kelompok propil jatuh dalam kontur berwarna hijau
dari wilayah B, sedangkan senyawa kurang aktif seperti 5 - 7, 15 cenderung mencari kelompok metil
jauh dari kontur ini dan approache kontur kuning sterik tidak menguntungkan terutama dalam model
CoMSIA ( Gambar. 6 ). Oleh karena itu, penggantian saya- propil dengan kelompok bulkier seperti t butil
diharapkan untuk meningkatkan lebih lanjut renin mengikat nities fi af.

Gambar. 4. dihitung pic 50 dibandingkan Pic eksperimental 50 nilai untuk 30 molekul training set diperoleh dengan
analisis PLS menggunakan CoMFA dan CoMSIA model.
wilayah A, dekat dengan R 2 kelompok ( Gambar. 5 ). The CoMSIA kontur sterik dan elektrostatik
ditempatkan di lokasi topografi hampir identik dengan model CoMFA.
Dari SAR di Tabel 1 , Muncul bahwa lebih aktif
Senyawa mengandung rantai alkil eter di R 2 kelompok (senyawa 26 - 28) sedangkan molekul kurang
aktif memiliki
- CONH 2 atau -Jadi 2 Me (senyawa 1 dan 3). Lebih khusus lagi, di
Sebuah kontur berwarna kedua yang lebih kecil hijau disajikan di wilayah C ( Gambar. 6 ). kontur
ini lebih besar dan lebih terlihat dalam model CoMSIA sementara dalam model CoMFA tertanam
dalam kontur berwarna biru. Kontur hijau yang terletak di wilayah C nikmat molekul dengan
kelompok-kelompok bulkier ( Gambar. 6 ). Kelompok-kelompok seperti metil atau
geminaldimethyl-substitusi seperti pada senyawa 24 dan 26 menunjukkan aktivitas yang lebih tinggi
dibandingkan dengan molekul tersubstitusi 14.
Tiga peta kontur berwarna kuning yang diamati pada kedua model; satu di daerah A dan dua
lainnya di wilayah C, menunjukkan bahwa kelompok-kelompok kurang besar di posisi tersebut
mendukung aktivitas. Paling

Gambar. 5. peta kontur CoMFA senyawa Template 26 ( sangat aktif, di sebelah kiri) dan analog masing 1 ( analog tidak aktif, di sebelah kanan). daerah sterik disukai ditunjukkan pada kontur berwarna hijau (tingkat kontribusi 80%). Sterik daerah
unfavored ditunjukkan pada kontur berwarna kuning (tingkat kontribusi 20%). potensi positif daerah yang disukai ditunjukkan dalam kontur berwarna biru (tingkat kontribusi 80%). Positif potensi daerah unfavored ditunjukkan pada kontur berwarna
merah (tingkat kontribusi 20%). (Peta Daerah A-C acara kontur sekitar R 2, R 3, R 4 kelompok ligan, masing-masing. Untuk interpretasi referensi untuk warna dalam fi legenda angka ini, pembaca disebut versi web artikel ini.)
3708 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711

Gambar. 6. peta kontur CoMSIA senyawa Template 26 ( sangat aktif, di sebelah kiri) dan analog masing 1 ( analog tidak aktif, di sebelah kanan). daerah sterik disukai ditunjukkan pada kontur berwarna hijau (tingkat kontribusi 80%). Sterik daerah
unfavored ditunjukkan pada kontur berwarna kuning (tingkat kontribusi 20%). potensi positif daerah yang disukai ditunjukkan dalam kontur berwarna biru (tingkat kontribusi 80%). Positif potensi daerah unfavored ditunjukkan pada kontur berwarna
merah (tingkat kontribusi 20%). (Peta Daerah A-C acara kontur sekitar R 2, R 3, R 4 kelompok ligan, masing-masing. Untuk interpretasi referensi untuk warna dalam fi legenda angka ini, pembaca disebut versi web artikel ini.)

senyawa ampuh memiliki kelompok metoksi di R 1 Posisi (wilayah

SEBUAH). Kelompok ini lebih menguntungkan daripada tert- butil bukan hanya karena kontur kuning di
sekitar R 1 tetapi juga karena interaksi yang lebih menguntungkan dengan S3 saku. Selanjutnya,
kontur berwarna kuning di daerah A menunjukkan bahwa ada ruang kecil yang tersedia di situs aktif
untuk interaksi. Hal ini berkorelasi dengan laporan yang diterbitkan sebelumnya menunjukkan bahwa
R 2 kelompok berinteraksi dengan sempit subsite (S3 sub-pocket) [18,19] . Besar kuning kontur
berwarna pada wilayah C ( Buah ara. 5 dan 6 ) Menunjukkan peningkatan dari bulkiness di segmen
terminal rantai alkil dari R4 adalah tidak menguntungkan. Pengamatan ini con fi rmed oleh senyawa 8 dan
9.

Karena struktur kristal renin diketahui, kami menemukan menarik untuk menguji stabilitas model
3D QSAR dengan target renin inhibitor. Sebagai model CoMFA muncul dengan kemampuan prediksi
yang sedikit lebih baik, kami ditumpangkan peta kontur CoMFA dengan situs aktif renin. The
MOLCAD permukaan situs aktif dikembangkan dan ditampilkan dengan potensi lipofilik dan
elektrostatik. Di Gambar. 7 sebuah warna coklat menunjukkan daerah lipofilik dan warna biru
menunjukkan daerah kutub dari situs aktif. Kontur kuning CoMFA muncul sekitar A dan C wilayah
menunjukkan bahwa substituen massal sterik mungkin memiliki efek negatif pada aktivitas molekul.
zona ini mendekati ke residu Gln13, Tyr14, Gln128, Ser76 dan Ser35 yang meliputi kelompok
hidrofilik. Demikian pula kontur hijau muncul di sekitar kelompok R3 pendekatan wilayah lipofilik dekat
Pro 292 dan Leu 73 menunjukkan bahwa kelompok bulkier akan meningkatkan aktivitas biologis,
observasi yang sesuai dengan model yang CoMFA. Gambar. 7 b menunjukkan permukaan MOLCAD
situs aktif dengan peta kontur elektrostatik ditumpangkan model CoMFA. Pada peta elektrostatik
ditampilkan di Gambar. 7 b, warna merah menunjukkan zona elektropositif dan warna ungu
menunjukkan zona elektronegatif. kontur merah muncul di sekitar kerapatan muatan positif dari renin
sementara peta kontur berwarna biru berorientasi pada kelompok elektronegatif dari asam amino
renin con fi rming hasil QSAR.

Informasi pelengkap dari studi docking sangat penting untuk desain molekul baru. Studi docking
yang dilakukan tidak hanya menyoroti kesamaan antara QSAR dan konformasi yang mengikat tetapi
juga memberikan interaksi penting dengan situs aktif untuk kegiatan ditingkatkan. Gambar. 8 merupakan
konformasi mengikat paling stabil untuk 26 dan 1. Dalam studi docking ini kedua molekul ditempatkan
baik di situs aktif renin dan menunjukkan interaksi berikut. Gugus -OH dari senyawa 26

membentuk H-ikatan baik dengan oksigen dari Asp32 ( w 2.0 dan 2.6 Å), yang Gambar. 7. a) peta kontur sterik CoMFA dalam situs aktif renin (potensial lipofilik, MOLCAD permukaan potensial
- NH 2 bentuk H-ikatan dengan kedua asam amino dari Gly217 ( w 2.2 Å) dan Asp32 ( w 2.1 Å), lipofilik dihitung untuk reseptor dengan metode Connolly; warna coklat menunjukkan daerah yang paling lipofilik dan

sedangkan kelompok metoksi bentuk rantai sisi H-ikatan dengan jarak 1,9 Å dengan kelompok -NH warna biru menunjukkan daerah yang paling polar), b) peta CoMFA elektrostatik kontur dalam situs aktif rennin
(potensial elektrostatik, warna merah menunjukkan daerah yang paling elektropositif sedangkan warna ungu
dari Tyr14. The -CONH utama membentuk H-ikatan dengan Ser76 ( w 2.0 Å) dan memiliki jarak 3,4 Å
melambangkan medan yang paling elektronegatif). (Untuk interpretasi referensi untuk warna dalam fi legenda angka
dari Gly34. Terminal -NH 2 berinteraksi dengan H-ikatan dengan -C] O sekelompok Arg74 ( w 2.3 Å).
ini, pembaca disebut versi web artikel ini.)
dalam senyawa 1 itu
 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711
Gambar. 8. interaksi docking senyawa 26 ( A) dan senyawa 1 ( B) dengan residu situs aktif.
Gambar. 9. Superimposisi konformasi QSAR (yang ditunjuk dengan warna kuning dan hijau masing-masing) dengan konformasi pengikatan senyawa 26 ( A) dan 1 ( B). (Untuk interpretasi referensi untuk warna dalam fi legenda angka ini,
pembaca disebut versi web artikel ini.)
- OH kelompok membentuk H-ikatan dengan oksigen dari Asp32 ( w 1,9 dan 2,5 Å). The -NH 2 kelompok
memiliki jarak 2,5 Å dari -C] O sekelompok Gly217 dan w 4.0 Å jarak dari oksigen Asp32. Kelompok
-CONH membentuk H-obligasi dengan -C] O sekelompok Gly34 ( w 2.1 Å) dan -NH dari Ser76 ( w 1,9
Å). Tidak ada interaksi dengan Arg74 sebagai senyawa 1 tidak memiliki terminal -CONH 2.
The GoldScore Kebugaran fromdocking simulasi menggunakan program GOLD [24] untuk
senyawa 26 dan 1 dihitung menjadi 75,78 dan 64,70 masing-masing, menunjukkan lebih baik afinitas
untuk 26. Perbedaan utama antara kedua senyawa, yang dapat menjelaskan variasi dalam
bioaktivitas mereka adalah sebagai berikut. Senyawa kurang aktif tidak berinteraksi dengan S 3 sub-saku
yang disusun oleh asam amino berikut: Gln13, Tyr14, Val30, Val120, Tyr155, Gly217, Ala218, Ser
219, Ala 303. Lebih spesifik senyawa Cally 1 tidak membentuk H-ikatan dengan asam amino Tyr14,
interaksi yang mungkin tobe penting untuk bioactivityas dilaporkan sebelumnya [25,26] . Tidak adanya
interaksi ini dapat dikaitkan dengan substitusi senyawa 1 di R 2 posisi. Rantai pendek mencegah
senyawa 1 dari mendekati dalam subpocket aktif yang terletak hanya di pintu masuk. Selain itu, tidak
adanya interaksi dengan Arg74 untuk senyawa 1, karena dimensinya lebih kecil dapat menjelaskan
nilai docking rendah dan di sini pada aktivitas biologis inferior.
Seperti yang diamati dari superimposisi yang ( Gambar. 9 ) Ada
korelasi umum antara konformasi senyawa yang digunakan dalam QSAR dan terbaik docking
konformasi mengikat. Sebagai contoh, nilai-nilai rmsd antara dua konformasi tersebut dihitung
menjadi 0.934 untuk senyawa 26 dan 0,985 untuk senyawa 1.
Namun, perlu dicatat bahwa beberapa perbedaan kecil telah diamati antara konformasi digunakan
dalam QSAR dan orientasi pengikatan terminal R 4 Kelompok didefinisikan oleh atom N27-C28-C30
C29- di kompleks 26. The QSAR konformasi adalah kurang ajar
3709
(53.1 ) Sedangkan konformasi yang mengikat adalah trans ( 175,6 ). Selain itu, ada perbedaan kecil di
sudut dihedral rantai alkil eter antara QSAR dan konformasi pengikatan senyawa
26. senyawa mengenai 1 rantai terminal QSAR konformasi memiliki trans conformationwhile
konformasi dari konformasi terikat adalah kurang ajar. Selain itu -NH 2 kelompok di R 1 Posisi
berorientasi berbeda seperti yang berasal dari QSAR dan konformasi yang mengikat. Secara khusus,
-NH yang 2 kelompok dalam QSAR konformasi mengarahkan ke arah sisi barat sementara di
konformasi yang mengikat itu mengarahkan ke arah sisi timur.
3. Kesimpulan
Sekarang studi 3D QSAR bertujuan menargetkan poin-poin berikut: a) perbandingan hasil yang
diperoleh dari CoMFA dan CoMSIA model; b) validasi model dibangun; c) penjelasan tentang
kegiatan yang berbeda berdasarkan peta kontur dibangun.
Meskipun molekul yang digunakan dalam penelitian 3D QSAR hadir adalah fleksibel, model
dibangun mengungkapkan statistik signifikansi dan kemampuan prediktif yang baik dengan
menggunakan CoMFA dan CoMSIA. Hasil con fi rm bahwa metodologi ini dapat berhasil diterapkan
dalam molekul fleksibel sesuai dengan penelitian kami sebelumnya [27,28] .
Kedua model CoMFA dan CoMSIA tidak mencatat perbedaan yang signifikan baik dalam analisis
statistik mereka atau di plot kontur. Untuk menguji stabilitas model PLS yang diperoleh untuk setiap
konvensional CoMFA dan CoMSIA PLS run, bootstrap juga dilakukan. Hasil yang diperoleh
mendukung keandalan model dibuat. Selain itu, plot kontur CoMFA dan CoMSIA model, yang terletak
di ruang yang sama, tetapi berbeda dalam volume. Perbedaan ini dapat dikaitkan dengan energi
3710 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711
fungsi yang digunakan untuk menghitung fi nilai lapangan di CoMFA dan CoMSIA. Dalam CoMFA
fungsi energi sangat sensitif dengan perubahan posisi. Dalam CoMSIA, medan ini dihitung
menggunakan potensi lebih halus yang tidak curam seperti fungsi Lennard-Jones dan Coulomb dan
memiliki nilai fi nite bahkan pada posisi atom. Dalam pengujian set, prediksi aktivitas di CoMFA dan
CoMSIA disediakan secara statistik signifikan fi hasil tidak bisa. Rata-rata penyimpangan dari pic
eksperimental 50 untuk kedua CoMFA dan model CoMSIA ditemukan kurang dari satu unit logaritmik.
Studi 3D QSAR diterapkan untuk mengatasi pertanyaan berikut. Apa fitur molekul dapat
dimodifikasi untuk meningkatkan sifat bioaktif molekul obat? Studi 3D QSAR biasanya diterapkan
ketika reseptor tidak diketahui. Namun, dalam penelitian kami, struktur X-ray renin diketahui, oleh
karena itu, studi QSAR adalah hasil docking dikombinasi. Kombinasi ini seperti yang ditunjukkan
dalam studi kami sebelumnya sangat efektif untuk memproduksi obat potensial Novel [29,30] .
Dari GoldScore fungsi fi kebugaran itu tidak dapat diekstraksi Total ketergantungan pada pic 50 nilai-nilaigrid serupa dengan menggunakan atom probe yang sama sesuai dengan penerapan standar CoMFA
( Tabel 1 ). Ini bukan hasil yang mengejutkan sebagai program docking terutama skor interaksi dengan
asam amino dari situs aktif dan senyawa dibandingkan memiliki perbedaan kecil dalam struktur
mereka. Namun, perbedaan dalam kegiatan ini dapat dikaitkan dengan fakta bahwa beberapa
inhibitor mempelajari renin (misalnya, senyawa 1 tidak ditempatkan dalam di subpocket S3),
sementara di lain (senyawa 2, 6 - 8, 13, 17 - 21, 24, 29) interaksi tidak diamati dengan asam amino Tyr14
dari S3 subpocket, yang telah ditandai sebagai penting untuk tinggi mengikat afinitas.
Korelasi dari hasil yang diperoleh dari docking dan studi QSAR menyebabkan pemahaman yang
lebih baik dari persyaratan struktural untuk aktivitas ditingkatkan. Hasil yang diperoleh dapat
digunakan sebagai pedoman untuk merancang dan memprediksi inhibitor renin baru dan lebih kuat.
4. Metode Komputasi
Studi 3D QSAR / CoMFA dan CoMSIA dilakukan dengan menggunakan Sybyl paket pemodelan
molekul [23] , Sementara studi docking dilakukan dengan menggunakan program GOLD [24] .
4.1. set data dan pemodelan molekul
tiga puluh senyawa yang digunakan dalam penelitian ini berasal dari karya Goschke et al. [18] dan
Maibaum et al. [19] dan adalah turunan dari aliskiren. Pemilihan training set dilakukan berdasarkan
keragaman struktural dan berbagai kegiatan. Struktur kristal aliskiren dikenal dan digunakan untuk
membangun kerangka dasar semua molekul dalam set data. Struktur senyawa dirancang di Sybyl6.8
paket pemodelan molekul dan Gasteiger- Huckel biaya [31] ditugaskan untuk atom dari senyawa.
Semua senyawa menjadi sasaran tominimization sampai berkumpul untuk turunan maksimum 0,001
kkal 1 SEBUAH 1, menggunakan Tripos kekuatan medan [23] .
Untuk mendapatkan hasil yang dapat diandalkan, total senyawa dibagi menjadi dua set, training
set yang terdiri dari 30 senyawa dan set tes yang terdiri dari 8 senyawa. Dalam studi 3D QSAR
kegiatan penghambatan renin inhibitor yang diteliti dinyatakan dalam IC 50
nilai-nilai dan diubah menjadi pic 50 nilai-nilai menggunakan pic persamaan 50 ¼? log IC 50. IC 50 nilai-nilai
yang digunakan dalam training set telah 230fold perbedaan antara senyawa terendah dan tertinggi
aktif. Dalam pemilihan senyawa uji set, kisaran yang sama dari keragaman dengan set pelatihan
telah memperhitungkan.
4.2. pengaturan CoMFA dan CoMSIA
CoMFA dilakukan dengan menggunakan opsi QSAR dari Sybyl. Energi lapangan sterik dan
elektrostatik dihitung dengan menggunakan Lennard-Jones dan potensi Coulomb, masing-masing,
dengan 1 / r jarak tergantung konstanta dielektrik dalam semua persimpangan dari jarak teratur (0,2
nm) jaringan [30] . sebuah sp 3 atom karbon dengan radius 1,53 Å dan muatan þ 1.0 digunakan sebagai
probe untuk menghitung energi sterik dan elektrostatik antara probe dan molekul menggunakan
Tripos kekuatan medan [23] . Pemotongan untuk kedua sterik dan energi elektrostatik yang ditetapkan
untuk 30 kkal mol 1. Hal ini menunjukkan bahwa setiap nilai eld sterik atau elektrostatik fi yang melebihi
nilai ini akan diganti dengan 30 kkal mol 1, sehingga membuat dataran tinggi dari ladang dekat dengan
pusat atom apapun.
CoMSIA dilakukan dengan menggunakan opsi QSAR dari Sybyl. sebuah sp 3
karbon atomwith radius 1,53 Å dan muatan þ 1.0was digunakan sebagai probe untuk menghitung
kesamaan indeks CoMSIA. indeks kesamaan sterik dan elektrostatik dievaluasi di persimpangan dari
di Sybyl. Indeks kesamaan antara senyawa dan atom probe dihitung sesuai dengan:
SEBUAH q F; k ð j Þ ¼? X n w menyelidiki; k w ik e Sebuah r 2 iq
saya ¼ 1
dimana SEBUAH adalah indeks kesamaan pada titik grid q, dijumlahkan atas semua atom saya molekul
j sedang dalam investigasi; w menyelidiki, k adalah atom probe; w ik adalah nilai sebenarnya dari properti
fisikokimia k atom saya; r iq adalah saling jarak antara atom probe pada titik grid q andatom saya dari
testmolecule tersebut; dan R adalah faktor pelemahan
[32] . Nilai default dari faktor pelemahan Sebuah ditetapkan untuk 0,3. nilai yang lebih besar dari Sebuah
akan menghasilkan fungsi Gaussian curam dan meningkatkan redaman efek jarak tergantung
kesamaan molekuler. Di sisi lain, mengurangi Sebuah dengan nilai-nilai yang lebih kecil akan
menghasilkan atom probe mendeteksi kesamaan molekul lingkungan yang lebih global. Nilai optimal Sebuah
adalah antara 0,2 dan 0,4 [22,33] .
4.3. CoMFA dan CoMSIA parsial kuadrat-(PLS) analisis dan validasi
Analisis PLS awal dilakukan dengan menggunakan '' metode cross-validasi
'meninggalkan-oneout' untuk semua 3D QSAR analisis. Aminimum kolom nilai penyaringan fi 2,00
kkal mol 1 ditetapkan untuk meningkatkan rasio signal-to-noise dengan menghilangkan titik-titik
jaringan yang variasi energi di bawah ambang batas ini. Dalam kedua CoMFA dan CoMSIA analisis,
deskriptor diperlakukan sebagai variabel independen, sedangkan nilai pIC50 diperlakukan sebagai
variabel dependen dalam regresi PLS analisis untuk memperoleh QSARmodels 3D. Model fi nal
(noncross-divalidasi analisis konvensional) dikembangkan dari model dengan tertinggi r CV
2, dan jumlah optimum
2. Itu
komponen ditetapkan untuk sama, bahwa menghasilkan tertinggi r CV
model-divalidasi noncross dinilai dengan korelasi koefisien konvensional r 2, standard error dari
prediksi, dan F nilai-nilai. Untuk penciptaan CoMFA lapangan, '' CoMFA standar '' skala terpilih,
sedangkan dalam kasus CoMSIA, yang '' tidak '' pilihan terpilih dalam Sybyl.
Untuk mendapatkan con fi dence batas dan menguji stabilitas model PLS diperoleh, untuk setiap
konvensional CoMFA dan CoMSIA PLS run, bootstrap juga dilakukan (100 berjalan, kolom
penyaringan:
2.00 kkal mol 1). Idenya adalah untuk mensimulasikan prosedur sampling statistik dengan
mengasumsikan bahwa asli set data penduduk yang benar dan menghasilkan banyak set data baru
dari itu. Set ini data baru (disebut sampling bootstrap) adalah dengan ukuran yang sama seperti
aslinya
 A. Politi et al. / European Journal of Medicinal Chemistry 44 (2009) 3703-3711
kumpulan data dan diperoleh secara acak memilih sampel (baris) dari data asli, dengan pemilihan
diulang dari baris yang sama diperbolehkan. Perhitungan statistik dilakukan pada masing-masing
sampling bootstrap, dengan nilai-nilai baru yang dihitung untuk masing-masing parameter yang akan
diestimasi. Perbedaan antara parameter dihitung dari kumpulan data asli dan rata-rata dari parameter
dihitung dari banyaknya sampling bootstrap adalah ukuran dari bias dari perhitungan asli.
4.4. docking molekul
Interaksi mengikat dan konformasi aktif yang berasal dari program GOLD, menggunakan
algoritma genetika [24] . Fungsi energi dari interaksi sebagian didasarkan pada interaksi konformasi
dan non-terikat. fungsi penilaian yang digunakan adalah GoldScore. Untuk studi docking, struktur
kristal renin dengan aliskiren (2v0z, kode pdb) yang diunduh dari data bank protein. Dari struktur
kristal, molekul inhibitor dan air telah dihapus. Sebuah situs aktif dari 10 Å sekitar inhibitor merapat
diciptakan. Jumlah maksimum generik algoritma berjalan ditetapkan untuk 20 untuk masing-masing
senyawa. Parameter algoritma generik standar dipilih (100 ukuran populasi, 5 jumlah pulau, 100.000
jumlah operasi generik dan 2 untuk ukuran niche).
Pengakuan
Serdar Durdagi didanai oleh Uni Eropa dalam enam Kerangka Program-Marie Curie Actions
(Project: EURODESY-MEST-CT-2.005-020.575).
Referensi
[1] C. Werner, M. Baumhakel, KK Teo, R. Schmieder, J. Mann, T. Unger, S. Yusuf,
M. Bohm, Clin. Res. Cardiol. 97 (2008) 418-431.
[2] S. Iravanian, SC Duley, Heart Rhythm 5 (6) (2008) S12-S17. [3] AH Gradman, R. Kad, J. Am. Coll.
Cardiol. 51 (5) (2008) 519-528. [4] JA Staessen, Y. Li, T. Richart, Lancet 368 (9545) (2006)
1449-1456.
3711
[5] CM Tice, Annu. Rep. Med. Chem. 41 (2006) 155-167. [6] JC Hershey, B. Steiner, W. Fischli, G. Feuerstein, Obat
Discov. Hari ini Ther.
Strateg. 2 (3) (2005) 181-185.
[7] NDL Fisher, NK Hollenberg, J. Am. Soc nephr. 16 (2005) 592-599. [8] A. Ferro, R. Gilbert, H. Krum, Int. J. Clin.
Pract. 60 (5) (2006) 577-581. [9] JM Wood, J. Maibaum, J. Rahuel, MG Gru tter, NC Cohen, et al., Biochem.
Biophys. Res. Commun. 308 (2003) 698-705. [10] M. Azizi, R. Webb, J. Nussberger, NK Hollenberg, J.
Hypertens. 24 (2006)
243-256.
[11] KK Daugherty, Am. J. Kesehatan-Sistem Pharm. 65 (14) (2008) 1323-1332. [12] C. Jensen, P. Herold, HR
Brunner, Nat. Rev. Obat Discov. 7 (2008) 399-410. [13] NC Cohen, Chem. Biol. Obat Des. 70 (2007) 557-565. [14] AR
Sialecki, K. Hayakawa, M. Fujinaga, M. Murphy, M. Fraser, A. Muir,
C. Carilli, JA Lewicky, JD Baxter, MNG James, Ilmu 243 (1989) 1346-1351.
[15] DE Epps, J. Cheney, H. Schostarez, TK Sawyer, M. Prairie, WC Krueger,
F. Mandel, J. Med. Chem. 33 (8) (1990) 2080-2086.
[16] JR Rahuel, V. Rasetti, J. Maibaum, H. Rueger, R. Goschke, et al., Chem. Biol. 7
(2000) 493-504. [17] JL Poll, JMPC 13 (8) (2007)
S21-S33.
[18] R. pergi schke, S. Stutz, V. Rasetti, N.-C. Cohen, J. Rahuel Rigollier, et al., J. Med.
Chem. 50 (2007) 4818-4831.
[19] J. Maibaum, S. Stutz, R. pergi schke, P. Rigollier, Y. Yamaguchi, et al., J. Med. Chem.
50 (2007) 4832-4844. [20] PG Gupta, Mini Rev. Med. Chem. 3 (2003) 315-321. [21] PG Gupta, JK Gupta, AN
Nagappa, V. Jagannathan, D. Gangwal, Obat Des.
Deliv. 5 (2) (1989) 73-81.
[22] S. Durdagi, A. Kapou, T. Kourouli, T. Andreou, SP Nikas, et al., J. Med. Chem. 50
(2007) 2875-2885.
[23] Sybyl, v. 6.8, Molecular Modeling Software Paket, Tripos Inc, St Louis, MO
63.144, 2001.
[24] Gold, Versi 2.1, Cambridge Kristalografi Data Center, Cambridge, UK,
1997
[25] DD Holsworth, C. Cai, M. X-Cheng, WL Cody, DM Downing, et al., Bioorg.
Med. Chem. Lett. 16 (2006) 2500-2504.
[26] HP Marki, A. Bingeli, B. Bittner, V. Bohner-Lang, V. Breu, et al., Il Farmaco 56
(1-2) (2001) 21-27.
[27] A. Kapou, N. Avlonitis, A. Detsi, M. Koufaki, T. Calogeropoulou, et al., Bioorg.
Med. Chem. 15 (2007) 1252-1265.
[28] S. Durdagi, T. Mavromoustakos, N. Chronakis, MG Papadopoulos, Bioorg. Med.
Chem. 16 (2008) 9957-9974.
[29] S. Durdagi, MG Papadopoulos, DP Papahatjis, T. Mavromoustakos, Bioorg.
Med. Chem. Lett. 17 (24) (2007) 6754-6763. [30] S. Durdagi, C. Koukoulitsa, A. Kapou, T. Kourouli, T.
Andreou, et al., Obat
Masa Depan 32 (Suppl. A) (2007) 79. [31] J. Gasteiger, M. Marsili, Tetrahedron 36 (1980) 3219-3228. [32] AR
Leach, VJ Gillet, An Introduction to chemoinformatics. Kluwer Academic
Penerbit, Dordrecht 2003.
[33] M. Bohm, J. Sturzebecher, G. Klebe, J. Med. Chem. 42 (1999) 458-477.