Crystal Structure, DFT Studies, Molecular Docking and In Vitro Antibacterial–Antifungal Evaluation of 2,4-Dinitro-1-naphthyl 4-Toluenesulfonate (PTN): A Combined Experimental–Theoretical Study with an Outlook on AI Applications
تدمج هذه الدراسة بين حيود الأشعة السينية لبلورة أحادية، وحسابات نظرية الكثافة الوظيفية (DFT)، والرسو الجزيئي، والفحص في المختبر لتوصيف الخصائص الهيكلية والإلكترونية للمرشح المضاد للميكروبات 2,4-ثنائي نيترو-1-نافثيل 4-تولوين سلفونات (PTN)، مما يثبت قدرته الفائقة على الارتباط بالأهداف الرئيسية لمسببات الأمراض وفعاليته ضد السلالات المقاومة للأدوية مقارنة بالأدوية المرجعية.
البحث الأصلي مرخَّص بموجب CC BY 4.0 (https://creativecommons.org/licenses/by/4.0/). هذا شرح مولَّده بالذكاء الاصطناعي للبحث أدناه. لم يكتبه المؤلفون ولم يصادقوا عليه. وللتحقق من الدقة التقنية، يرجى الرجوع إلى البحث الأصلي. اقرأ إخلاء المسؤولية الكامل
في العالم المجهري حيث تزدهر البكتيريا والفطريات، غالبًا ما يتوقف استمرار الحياة على "مصافحة كيميائية" واحدة. تعتمد هذه الكائنات الدقيقة على بروتينات محددة للبقاء على قيد الحياة، حيث تعمل كآلات أساسية لنموها وتكاثرها. ويبحث العلماء الذين يدرسون كيفية إيقاف هذه المسببات المرضية عن جزيئات يمكنها الانزلاق داخل هذه الآلات البروتينية وتعطيل تروسها. وللقيام بذلك بفعالية، يحتاجون إلى فهم شيئين: الشكل الدقيق للجزيء الذي يختبرونه، وشكل البروتين الذي يحاول حظره. إنها لعبة ملاءمة ثلاثية الأبعاد، حيث يمكن أن يعني أي التواء طفيف في بنية الجزيء الفرق بين العلاج والفشل. لعقود من الزمن، استخدم الباحثون حواسيب قوية للتنبؤ بمدى جودة ملاءمة مرشح دوائي ما، لكن هذه التنبؤات لا تكون جيدة إلا بقدر جودة الخريطة التي تبدأ بها. فإذا كانت خريطة الجزيء غير دقيقة قليًا، فسيكون التنبؤ خاطئًا. ولهذا السبب، يظل الجمع بين القياس الفيزيائي الدقيق لبنية الجزيء والمحاكاة الحاسوبية أحد أكثر الطرق موثوقية لفهم كيف يمكن لمادة كيميائية جديدة أن تحارب العدوى.
قام فريق من الباحثين في كلية الرئاسة (Presidency College) في تشيناي، الهند، بتطبيق هذا النهج الصارم مؤخرًا على مركب كيميائي محدد يُعرف باسم 2,4-dinitro-1-naphthyl 4-toluenesulfonate، أو PTN اختصارًا. ينتمي هذا الجزيء إلى فئة من المواد الكيميائية التي أظهرت نتائج واعدة في محاربة الميكروبات، لكن سلوكه الدقيق داخل الجسم لم يكن مفهومًا بالكامل. أراد الباحثون معرفة ما إذا كان بإمكانهم إثبات أن PTN مرشح قوي لإيقاف البكتيريا والفطريات الضارة، وذلك باستخدام كل من الأدلة الفيزيائية والنمذجة الحاسوبية. بدأوا بزراعة بلورة واحدة مثالية للمادة وتسليط الأشعة السينية عبرها. هذه العملية، المعروفة باسم علم البلورات بالأشعة السينية (X-ray crystallography)، سمحت لهم ببناء خريطة ثلاثية الأبعاد دقيقة لكل ذرة في الجزيء، مما يوضح كيفية ترتيبها في الفضاء بدقة. ووجدوا أن الذرات تشكل شكلًا محددًا حيث تربط ذرة كبريت مركزية بذرة أكسجين عبر رابطة مرنة، مما يخلق بنية ملتوية قليلاً وليست مسطحة تمامًا.
ومع الحصول على هذه الخريطة الفيزيائية، انتقل الفريق إلى المحاكاة الحاسوبية لمعرفة كيف يتصرف PTN عندما لا يكون محبوسًا داخل بلورة. استخدموا طريقة تسمى نظرية الدالة الوظيفية للكثافة (density functional theory)، والتي تحسب كيفية حركة الإلكترونات حول الذرات لتحديد استقرار الجزيء وتفاعليته. وأكد النموذج الحاسوبي أن الشكل الذي رأوه في البلورة كان صحيحًا إلى حد كبير، مع وجود فرق ضئيل فقط في طول رابطة الكبريت والأكسجين المرنة، وهو اختلاف متوقع عند الانتقال من بلورة صلبة إلى جزيء حر الحركة. كما كشفت الحسابات أن الجزيء يتمتع بجذب كهربائي قوي، مع انفصال كبير بين الشحنات الموجبة والسالبة. ويشير هذا الخلل في التوازن الكهربائي إلى أن الجزيء مجهز جيدًا للتفاعل مع الأسطح المشحونة للبروتينات البيولوجية، وهو مطلب رئيسي لعمل الدواء.
ثم انتقل الباحثون إلى الخطوة التالية، باستخدام الحاسوب لمحاكاة كيفية تفاعل PTN مع البروتينات المحددة التي تبقي الميكروبات الخطيرة على قيد الحياة. اختبروا الجزيء ضد ثلاثة أهداف مختلفة: بروتين يساعد بكتيريا جلدية شائعة تُسمى Staphylococcus aureus على صنع الحمض النووي (DNA)، وبروتين يساعد بكتيريا Shigella على بناء جدرانها الخلوية، وبروتين يساعد فطر Candida albicans على بناء غشائه الخلوي. وفي كل حالة، تنبأ الحاسوب بأن PTN سيرتبط بهذه البروتينات بقوة أكبر من الأدوية القياسية المستخدمة حاليًا لعلاجها. فعلى سبيل المثال، عند اختباره ضد البروتين الفطري، أظهرت المحاكاة أن PTN يتمسك بقوة أفضل بكثير من الفلوكونازول (fluconazole)، وهو دواء مضاد للفطريات شائع الاستخدام. وكانت هذه نتيجة مذهلة، خاصة وأن الباحثين قد اختبروا أيضًا الفعالية الواقعية للمركب في طبق مختبري.
وعندما عرض الفريق البكتيريا والفطريات فعليًا على PTN في المختبر، تطابقت النتائج مع تنبؤات الحاسوب. نجح المركب في إيقاف نمو Staphylococcus aureus وShigella وCandida albicans. والأهم من ذلك، أنه عمل ضد سلالة من Candida كانت مقاومة تمامًا للفلوكونازول، وهو العلاج القياسي. وقد أكد هذا أن الارتباط القوي الذي تنبأ به الحاسوب كان حقيقيًا، وأن الجزيء يمكنه بالفعل "تعطيل التروس" لهذه الآلات المجهرية. لاحظ الباحثون أيضًا أنه بينما تنبأ الحاسوب بأقوى ارتباط ضد الهدف الفطري، كانت البكتيريا في الواقع أكثر حساسية في الطبق المختبري. وأوضحوا أن هذا الاختلاف ليس تناقضًا، بل هو تذكير بأن النماذج الحاسوبية تقيس مدى قوة التصاق الجزيء بالبروتين، بينما يعتمد الاختبار المختبري أيضًا على مدى سهولة حركة الجزيء عبر الهلام (gel) والوصول إلى الكائن الدقيق. الطريقتان تقيسان أشياء مختلفة، لكنهما معًا ترويان قصة متسقة: PTN هو عامل قوي يناسب الأهداف المصمم لضربها.
وبالنظر إلى المستقبل، يقترح المؤلفون أنه يمكن جعل الأدوات المستخدمة في هذه الدراسة أكثر قوة بمساعدة الذكاء الاصطناي. وبينما تعتبر الطرق الحالية موثوقة، إلا أنها قد تكون بطيئة ومكلفة حاسوبيًا. يمكن لتقنيات الذكاء الاصطناعي الأحدث أن تسرع عملية العثور على الشكل الصحيح للجزيء أو التنبؤ بكيفية ارتباطه بالبروتين، مما يسمح للعلماء باختبار آلاف المرشحين في الوقت الذي يستغرقه اختبار عدد قليل منها حاليًا. ومع ذلك، يحذر الباحثون من أن أدوات الذكاء الاصطناعي هذه ليست مثالية بعد لكل نوع من المواد الكيميائية، خاصة تلك ذات البنى المعقدة أو غير العادية مثل تلك التي درسوها. وفي الوقت الحالي، يظل الجمع بين قياس البلورات الفيزيائي والمحاكاة الحاسوبية الدقيقة هو المعيار الذهبي. توفر هذه الدراسة مخططًا كاملاً وقابلاً للتكرار لفهم PTN، مما يقدم مسارًا واضحًا لعلماء المستقبل لتصميم نسخ أفضل من هذا المركب لمحاربة التهديد المتزايد للعدوى المقاومة للأدوية.
غارق في أبحاث مجالك؟
تصلك نشرة يومية بأحدث الأبحاث المطابقة لكلماتك البحثية المفتاحية — مع ملخصات تقنية، بلغتك.