Biochimie & Biochimie Analytique

Abstrait

Ciblage de Salmonella enterica résistante aux antibiotiques : sélection basée sur la bio-matrice et prédiction de la bioactivité des nutraceutiques potentiels

Ankit Tanwar, Pallavi Thakur, Raman Chawla, Sarita Jaiswal, Ankita Singh Chakotiya, Rajeev Goel, Rakesh Kumar Sharma, Haider Ali Khan et Rajesh Arora

Objectif : Des pistes potentielles à base de plantes comme nouvelles alternatives thérapeutiques contre Salmonella enterica sérovar typhimurium multirésistant aux médicaments ont été étudiées et validées par inspiration moléculaire.

Méthodologie : La présente étude utilise un modèle in silico « Herbal Informatics » qui déploie des protocoles de recherche dynamique, une indexation des priorités et une catégorisation systémique pour une sélection rationnelle des nutraceutiques ciblant les facteurs de virulence critiques de Salmonella enterica sérovar typhimurium multirésistant aux médicaments. De plus, une prédiction de l'activité biochimique in silico a été réalisée à l'aide de l'outil de chimio-informatique « Mol inspiration », afin de proposer la probabilité médicamenteuse de produits végétaux naturels sélectionnés.

Résultats : Parmi les 5 paramètres de bioactivité sélectionnés de Salmonella enterica, l'inhibition des lipopolysaccharides a montré une pertinence maximale en tant que cible physiologique, soit 65 %, suivie d'autres paramètres comme l'inhibition de l'entérochéline, l'inhibition du système sécrétoire de type III, l'inhibition de la superoxyde dismutase et la fourniture d'un soulagement symptomatique. L'analyse de la matrice binaire de la base de données de 50 plantes identifiées à l'aide de la bioprospection classique a filtré 28 plantes qui présentaient un potentiel probable pour atténuer 3 facteurs de virulence ou plus. L'analyse de la matrice de pondération a examiné plus en détail la sélection jusqu'à 10 plantes ayant un score supérieur au score médian de la matrice de pondération, soit 14,98. Français L'optimisation des données sur une échelle de 0 à 1 à l'aide d'une analyse matricielle de scores flous a conduit à la sélection finale de 10 plantes médicinales, à savoir Abrus precatorius, Azadirachta indica, Camellia sinensis, Holarrhena antidysenterica, Andrographis paniculata, Adhatoda vasica, Euphorbia hirta, Ocimum sanctum, Terminalia arjuna et Terminalia belerica. L'analyse de prédiction de la bioactivité in silico des phytoconstituants prédominants des plantes médicinales sélectionnées a révélé que Holarrhena antidysenterica (Conessine), Andrographis paniculata (Andrographolide), Euphorbia hirta (Amyrine) et Terminalia arjuna (Acide arjunolique) présentaient une similarité médicamenteuse avec leur action ciblée en tant que ligand GPCR, ligand de récepteur nucléaire ou inhibiteur de protéase .