Khoá luận tốt nghiệp: Sàng lọc in silico các phân tử nhỏ có tiềm năng gắn kết Interleukin-1β và thụ thể Interleukin-1

Interleukin-1β (IL-1β) đóng vai trò trung tâm trong các phản ứng viêm và sự biểu hiện quá mức của nó có liên quan trực tiếp đến nhiều bệnh lý nghiêm trọng như viêm khớp dạng thấp, gout và các bệnh tự miễn. Do đó, việc ức chế hoạt động của IL-1β hoặc thụ thể của nó, IL-1R1, đại diện cho một mục tiêu điều trị đầy tiềm năng. Tuy nhiên, các liệu pháp hiện hành thường dựa trên các phân tử protein lớn, gây bất tiện trong sử dụng và chi phí cao, thúc đẩy nhu cầu cấp thiết về các chất ức chế là phân tử nhỏ. Nghiên cứu này được thực hiện nhằm sàng lọc in silico các hợp chất có khả năng gắn kết và điều hòa hoạt động của IL-1β và IL-1R1, hướng tới phát triển các tác nhân trị liệu hiệu quả hơn.

Các nhà khoa học, nghiên cứu sinh trong lĩnh vực dược học, hóa học y sinh, tin sinh học và thiết kế thuốc, đặc biệt những người quan tâm đến việc phát triển các tác nhân chống viêm mới.

Nghiên cứu này đã triển khai quy trình sàng lọc in silico toàn diện để khám phá các phân tử nhỏ có tiềm năng ức chế Interleukin-1β (IL-1β) và thụ thể Interleukin-1 (IL-1R1), vốn là những mục tiêu quan trọng trong điều trị các bệnh viêm. Phương pháp tiếp cận bao gồm việc xây dựng mô hình pharmacophore 3D từ tương tác canakinumab-IL-1β, kết hợp với các mô hình đã có, sau đó tiến hành sàng lọc trên 7 cơ sở dữ liệu lớn chứa hơn 22 triệu hợp chất. Các hợp chất tiềm năng được tiếp tục đánh giá về dược động học (ADME) để đảm bảo tính an toàn và hiệu quả sinh học. Tiếp theo, kỹ thuật docking phân tử được sử dụng để xác định ái lực gắn kết của các phân tử với mục tiêu. Các chất có điểm docking tốt nhất, đặc biệt là 5 chất tương tác với vòng β5-β6 của IL-1β, đã được lựa chọn để thực hiện mô phỏng động lực học phân tử và tính toán năng lượng gắn kết tự do. Kết quả sàng lọc ban đầu đã thu được 2.235 và 8.480 chất tiềm năng cho IL-1β và IL-1R1 tương ứng, với 202 và 1.054 chất đạt tiêu chí ADME. Đáng chú ý, hai phân tử T428-0731 và P634-0250 đã thể hiện năng lượng gắn kết âm nhất, cho thấy tiềm năng ức chế mạnh mẽ. Những kết quả này không chỉ khẳng định hiệu quả của các mô hình in silico trong việc sàng lọc lượng lớn dữ liệu mà còn cung cấp các ứng viên đầy hứa hẹn để tiếp tục thử nghiệm in vitro hoặc mô phỏng chi tiết hơn, mở ra triển vọng cho việc phát triển thuốc điều trị các bệnh viêm.