Инсулин в гексамерной форме занимает центральное место в технологии инъекционных препаратов. В этом состоянии гормон приобретает повышенную устойчивость к агрегации и протеолизу, а также лучше сохраняется при производстве и хранении. Формирование гексамера происходит из трёх димеров и зависит от присутствия цинка, который координируется с определёнными остатками белка. Однако металлический центр сам по себе не обеспечивает полной стабилизации комплекса. Существенную роль играет связанный фенол, который занимает специфический карман и смещает равновесие в сторону компактной конформации [1].

Сайт связывания фенола относится к числу структурно значимых аллостерических участков. Его лигандная насыщенность влияет на ориентацию отдельных участков белка, а также на межсубъединичные контакты внутри гексамера. Фенольное кольцо в этом сайте участвует в неглубоком, но функционально критичном взаимодействии с аминокислотными остатками, формируя сеть слабых, но кооперативных связей. Такое связывание не блокирует активность инсулина напрямую, а изменяет его пространственную организацию. Именно поэтому фенол и близкие по строению молекулы используют как технологические стабилизаторы в ряде лекарственных форм.

Природные фенольные соединения обладают набором химических признаков, необходимых для взаимодействия с этим карманом. Ароматическое ядро обеспечивает гидрофобный контакт с неполярными участками сайта. Гидроксильные группы служат донорами и акцепторами водородных связей. Для части соединений дополнительную роль играют карбоксильные группы, метоксильные заместители и конденсированные ароматические системы. Такое сочетание структурных элементов создаёт возможность для связывания в ориентации, близкой к фенолу, либо для более плотной фиксации за счет дополнительных контактов с белком.

Таблица 1

Основные классы природных фенольных соединений, рассматриваемые как альтернативные лиганды сайта фенола инсулина

Молекулярный докинг позволяет количественно оценить взаимодействие лиганда с фенольным сайтом. Виртуальный скрининг включает размещение соединения в активном кармане и расчет наиболее выгодной ориентации по энергетическому критерию. Для инсулинового гексамера существенны размеры молекулы, распределение заряда, пространственная форма и способность формировать направленные взаимодействия [2]. На практике наиболее информативными оказываются комплексы, где лиганд занимает карман без стерических конфликтов и одновременно сохраняет контакт с несколькими ключевыми остатками.

Функциональная ценность докинга возрастает при сочетании с молекулярной динамикой. Статическая модель фиксирует одну выгодную позу, тогда как динамическое моделирование показывает, удерживается ли комплекс в растворе. Такой анализ выявляет колебания лиганда, перестройки боковых цепей белка, изменения числа водородных связей и вариации межсубъединичных контактов. Для гексамера инсулина это особенно значимо, поскольку даже небольшое смещение в аллостерическом сайте может менять устойчивость всего комплекса [4].

Ниже приведены параметры, по которым обычно оценивают перспективность фенольного лиганда для сайта фенола инсулина.

Таблица 2

Критерии отбора природных фенольных соединений для докинга в сайт фенола инсулина

Не все фенольные соединения одинаково пригодны для стабилизации гексамера. Крупные полифенолы, прежде всего танины, часто демонстрируют высокую способность к связыванию с белками, но эта способность сопровождается низкой селективностью. Для них характерны нежелательные неспецифические контакты, склонность к образованию ассоциатов и ограниченная биодоступность [3]. Такие свойства затрудняют использование танинов в качестве точечных стабилизаторов фенольного сайта инсулина.

Малые фенольные молекулы выглядят более технологичными кандидатами. Кверцетин, галловая кислота, кумариновые производные и ряд оксикоричных кислот обладают меньшими размерами и могут занимать карман без избыточной деформации структуры белка. Для этих соединений легче предсказать ориентацию в сайте связывания и оценить вероятность сохранения контактов при физиологических условиях. Наличие нескольких гидроксильных групп повышает шанс на формирование направленных взаимодействий, а умеренная молекулярная масса облегчает оценку лекарственноподобных свойств [4].

Качество виртуального отбора зависит от параметров протокола. Ошибки в выборе протонирования, степени гибкости белка, сетки поиска и функции скоринга искажают результат. Для фенольного сайта инсулина критично учитывать конформационную подвижность боковых цепей и возможность перехода комплекса между состояниями различной компактности. Без этого докинг может переоценить аффинность соединения, которое в растворе распадается или связывается кратковременно [2, 3].

Практический интерес представляют соединения, которые сочетают умеренную массу, компактную ароматическую систему и достаточное число донорных групп. Именно такая комбинация повышает вероятность точного позиционирования в фенольном кармане и уменьшает риск неспецифического связывания. Для первичного отбора перспективны флавоноиды с ограниченной степенью гликозилирования, простые кумарины, гидроксилированные бензойные кислоты и некоторые оксикоричные кислоты. Их дальнейшая оценка должна включать анализ растворимости, устойчивости в среде препарата и влияния на скорость диссоциации гексамера.

Подход, основанный на докинге природных фенольных соединений в фенольный сайт инсулина, позволяет сузить массив потенциальных лигандов до нескольких химических классов с наибольшей вероятностью стабилизирующего эффекта. Дальнейшая схема исследования включает молекулярную динамику, оценку свободной энергии связывания, сравнение с фенолом и проверку в экспериментальных моделях. Такой маршрут обеспечивает переход от виртуального отбора к рациональному дизайну альтернативных стабилизаторов инсулиновых препаратов.

Литература:

1. Agu P. C. Molecular docking as a tool for the discovery of molecular targets of nutraceuticals in diseases management / P. C. Agu, C. A. Afiukwa, O. U. Orji [et al.] // Scientific Reports. — 2023. — 13(1). — p. 13398. — DOI: 10.1038/s41598–023–40160–2.
2. Gentile F. Artificial intelligence-enabled virtual screening of ultra-large chemical libraries with deep docking / F. Gentile, J. C. Yaacoub, J. Gleave [et al.] // Nature protocols. — 2022. — 17(3). — p. 672–697. — DOI: 10.1038/s41596–021–00659–2.
3. Crampon K. Machine-learning methods for ligand-protein molecular docking / K. Crampon, A. Giorkallos, M. Deldossi [et al.] // Drug discovery today. — 2022. — 27(1). — p. 151–164. — DOI: 10.1016/j.drudis.2021.09.007.
4. Aghajani J. Molecular Dynamic Simulations and Molecular Docking as a Potential Way for Designed New Inhibitor Drug without Resistance / J. Aghajani, P. Farnia, P. Farnia [et al.] // Tanaffos. — 2022. — 21(1). — p. 1–14.