黄酮类化合物针对关键乳腺癌靶点的计算分析：一种基于计算机模拟的研究方法

《In Silico Pharmacology》：Computational profiling of flavonoids against key breast cancer targets: an in-silico exploration

乳腺癌治疗新策略：基于整合计算筛选九种黄酮类化合物多靶点抑制潜力

　　

摘要

乳腺癌仍然是全球主要的健康问题，这凸显了开发新的多靶点治疗策略的必要性。本研究采用了一种综合计算方法，结合了分子对接、MM/GBSA结合自由能分析、ADMET分析以及密度泛函理论（DFT），评估了100种黄酮类化合物对四种关键乳腺癌靶点（ERα、PI3K、HER2和EGFR）的抑制作用。通过与五种参考药物（Alpelisib、Buparlisib、Lapatinib、Gefitinib和Afatinib）的比较对接，确定了九种具有良好结合亲和力和稳定受体相互作用的黄酮类化合物：Sphaerobioside、Avicularin、Nicotiflorin、Myricetin、Quercitrin、Rutin、Isoquercetin、Didymin和Robinin。MM/GBSA的结果支持了对接结果，表明这些化合物在多个靶点上具有稳定的结合能力。ADMET预测表明几种化合物的药代动力学和安全性特征令人满意，而DFT分析则揭示了它们的电子稳定性和反应性。总体而言，这些发现突显了所选黄酮类化合物的多靶点抑制潜力，并展示了如何通过综合计算分析加速基于天然产物的抗癌药物的发现和优化过程。