分子对接与化学信息学整合预测精油抗菌活性及机制研究

本研究通过整合分子对接与化学信息学方法，构建含7,222种精油化合物的配体库，针对微生物蛋白靶点进行虚拟筛选，结合EPNMCS度量与实验验证，发现薄荷精油抑制活性最强，α-红没药醇及其衍生物对FtsZ、Erg11等靶点具高亲和力，为天然抗菌剂研发提供新策略。

　　

精油（Essential oils, EOs）作为天然代谢物的复杂混合物，以其抗菌特性闻名，但其分子作用机制尚不明确。本研究通过整合分子对接（molecular docking）与化学信息学（cheminformatics）方法，构建包含7,222种精油来源化合物的配体库，针对一组微生物蛋白靶点进行虚拟筛选，采用经五种不同评分函数校准的对接流程。通过高评分配体的凝聚层次聚类（agglomerative hierarchical clustering）与欧几里得邻近归一化化学信息学空间度量（Euclidean Proximity Normalized Matrix to Cheminformatics Space, EPNMCS），预测了靶点特异性蛋白-代谢物相互作用。体外抗菌实验（in vitro antimicrobial assays）验证显示，薄荷（Mentha piperita）抑制活性最强，而罗马洋甘菊（Chamaemelum nobile）具有最广的预测相互作用谱。值得注意的是，α-红没药醇（α-bisabolol）及其氧化衍生物对关键微生物蛋白（如FtsZ和Erg11）表现出高结合亲和力。尽管计算预测与最小抑菌浓度（minimum inhibitory concentration, MIC）值相关性较低，这一整合策略成功识别出具有潜在抗菌活性的精油代谢物。这些发现凸显了结合计算机模拟（in silico）与体外实验方法在阐明精油-靶点相互作用及指导天然抗菌剂发现中的价值。