Xây dựng mô hình định lượng 3d qsar dựa trên dữ liệu chống oxy hóa tương đương trolox (teac) và ứng dụng để thiết kế peptide chống oxy hóa

TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP TP.HCM KHOA CƠNG NGHỆ HĨA HỌC KHĨA LUẬN TỐT NGHIỆP XÂY DỰNG MƠ HÌNH ĐỊNH LƯỢNG 3DQSAR DỰA TRÊN DỮ LIỆU CHỐNG OXY HÓA TƯƠNG ĐƯƠNG TROLOX (TEAC) VÀ ỨNG DỤNG ĐỂ THIẾT KẾ PEPTIDE CHỐNG OXY HÓA Giảng viên hướng dẫn: TS TRẦN THỊ THANH NHÃ Sinh viên thực hiện: NGUYỄN THỊ MINH ANH MSSV: 18019881 Lớp: DHHC14A Khoá: 2018 – 2022 Tp Hồ Chí Minh, tháng năm 2022 TRƯỜNG ĐẠI HỌC CƠNG NGHIỆP TP.HCM KHOA CƠNG NGHỆ HĨA HỌC KHĨA LUẬN TỐT NGHIỆP XÂY DỰNG MƠ HÌNH ĐỊNH LƯỢNG 3DQSAR DỰA TRÊN DỮ LIỆU CHỐNG OXY HÓA TƯƠNG ĐƯƠNG TROLOX (TEAC) VÀ ỨNG DỤNG ĐỂ THIẾT KẾ PEPTIDE CHỐNG OXY HÓA Giảng viên hướng dẫn: TS TRẦN THỊ THANH NHÃ Sinh viên thực hiện: NGUYỄN THỊ MINH ANH MSSV: 18019881 Lớp: DHHC14A Khố: 2018 – 2022 Tp Hồ Chí Minh, tháng năm 2022 TRƯỜNG ĐH CÔNG NGHIỆP TP HCM KHOA CÔNG NGHỆ HÓA HỌC - // - CỘNG HOÀ XÃ HỘI CHỦ NGHĨA VIỆT NAM Độc lập – Tự - Hạnh phúc - // - NHIỆM VỤ KHÓA LUẬN TỐT NGHIỆP Họ tên sinh viên: Nguyễn Thị Minh Anh MSSV: 18019881 Chun ngành: Cơng nghệ Hóa Hữu Cơ Lớp: DHHC14A Tên đề tài khóa luận/đồ án: Xây dựng mơ hình định lượng 3D-QSAR dựa liệu chống oxy hóa tương đương trolox (TEAC) ứng dụng để thiết kế peptide chống oxy hóa Nhiệm vụ: - Thu thập liệu peptide chống oxy hóa TEAC; - Tối ưu hóa cấu trúc peptide data sử dụng phương pháp Semi Emperical PM7; - Thực tính tốn mô tả phân tử sử dụng phần mềm Maestro; - Xây dựng mơ hình mối quan hệ định lượng cấu trúc – hoạt tính chống oxy hóa (QSAR) với thông số thống kê tin cậy; - Sử dụng mơ hình để dự đốn hoạt tính chống oxy hóa peptide thiết kế peptide có hoạt tính oxy hóa cao; - Thực phân tích thực nghiệm bắt gốc; - So sánh kết thực nghiệm mơ hình để đánh giá hiệu quy trình phân tích Ngày giao khóa luận tốt nghiệp: 22/10/2021 Ngày hồn thành khóa luận tốt nghiệp: 08/07/2022 Họ tên giảng viên hướng dẫn: TS Trần Thị Thanh Nhã Tp Hồ Chí Minh, ngày 08 tháng 07 năm 2022 Chủ nhiệm môn chuyên ngành Giảng viên hướng dẫn LỜI CÁM ƠN Trải qua năm học tập gắn bó trường Đại học Cơng nghiệp Thành phố Hồ Chí Minh hẳn để lại kí ức sinh viên nhiều kỉ niệm, khơng đơn giản tình bạn, tình thầy trị mà bầu trời tri thức làm hành trang chắp cánh cho ước mơ bay xa, bay cao Giảng đường Đại học có lẽ nơi bắt nguồn cho ước mơ thành thực, thực vẽ theo cách vẽ nhiệm vụ sinh viên Đề tài tốt nghiệp mà em thực lần coi thành cho nỗ lực cố gắng thân em đồng thời cột mốc đánh dấu việc hồn thành chương trình Đại học, đánh giá tồn q trình học tập lực tư nghiên cứu sinh viên Em xin gửi lời tri ân chân thành đến Ban lãnh đạo Ban Giám hiệu nhà trường quan tâm đến điều kiện sở vật chất, môi trường học tập để em an tâm học tập Chính thân em cảm thấy tự hào trước định chọn Đại học Cơng nghiệp nơi để chinh phục đỉnh cao tri thức Bên cạnh em khơng qn gửi lời cám ơn đến Q Thầy Khoa Cơng nghệ Hóa học tạo điều kiện để em học tập trau dồi kiến thức tảng bản, rèn luyện thao tác thực nghiệm qua buổi học thực hành để nâng cao kỹ chuyên môn Em hi vọng với học, đón nhận từ Quý Thầy cô giúp sinh viên em đem áp dụng nhu cầu công việc sau Đặc biệt, em xin bày tỏ lòng biết ơn sâu sắc đến giảng viên hướng dẫn TS Trần Thị Thanh Nhã, công việc bận rộn khiến cô phải lo lắng cô dành thời gian để quan tâm giúp đỡ, hướng dẫn, định hướng cho nghiên cứu em Cô kịp thời hỗ trợ đồng hành trước khó khăn q trình thực đề tài để em hoàn thành đồ án cách tốt Sau em xin dành lời cám ơn đến cha mẹ Cảm ơn cha mẹ cho hình hài nguyên vẹn nuôi nấng nên người Để bước vào cánh cổng Đại học hẳn cha mẹ phải hy sinh vất vả nhiều Những năm tháng trưởng thành với học vấp ngã đầu đời thúc phải cố gắng nhiều Con cảm ơn cha mẹ thật nhiều! Cảm ơn bạn bè đồng hành sẻ chia suốt quãng thời gian qua, viết lên kỉ niệm tươi đẹp Chúc bạn đạt ước mơ dự định tương lai! Với hạn chế thời gian điều kiện nghiên cứu, đồng thời góc nhìn sinh viên nên chưa thể bao qt tồn kiến thức khơng thể tránh khỏi sai sót, em mong nhận đóng góp ý kiến Q Thầy để đề tài em hoàn thiện tốt Em xin chân thành cám ơn! TP Hồ Chí Minh, ngày 08 tháng 07 năm 2022 Sinh viên thực Nguyễn Thị Minh Anh NHẬN XÉT CỦA GIẢNG VIÊN HƯỚNG DẪN Phần đánh giá: (thang điểm 10) • Thái độ thực hiện: • Nội dung thực hiện: • Kỹ trình bày: • Tổng hợp kết quả: Điểm số: ……… Điểm chữ: …………………………………………………… TP Hồ Chí Minh, ngày…… Tháng …… năm 20… Trưởng môn Giảng viên hướng dẫn Chuyên ngành (Ký ghi họ tên) NHẬN XÉT CỦA GIẢNG VIÊN PHẢN BIỆN TP Hồ Chí Minh, ngày … tháng … năm 20… Giảng viên phản biện (Ký ghi họ tên) MỤC LỤC LỜI NÓI ĐẦU CHƯƠNG 1: TỔNG QUAN 1.1 Amino acid 1.1.1 Khái niệm 1.1.2 Phân loại 1.1.3 Thuộc tính hóa học 1.2 Peptide 1.2.1 Khái niệm 1.2.2 Cấu trúc 1.2.3 Phân loại 1.2.4 Danh pháp 1.2.5 Hoạt tính sinh học peptide 1.2.6 Ứng dụng peptide 1.3 Protein 1.3.1 Khái niệm 1.3.2 Phân loại 1.4 Gốc tự 1.4.1 Khái niệm 1.4.2 Nguyên nhân hình thành gốc tự 1.4.3 Cơ chế hình thành gốc tự 10 1.4.4 Tác động gốc tự đến thể người 10 1.5 Chất chống oxy hóa 11 1.5.1 Khái niệm 11 1.5.2 Phân loại 11 1.5.3 Cơ chế hoạt động 11 1.5.4 Hoạt tính chống oxy hóa peptide 12 1.6 Glutathione (GSH) khả chống oxy hóa tương đương trolox TEAC 12 1.6.1 Glutathione GSH 12 1.6.2 Khả chống oxy hóa tương đương trolox TEAC 13 1.7 Tổng quan peptide Pro – Trp – Leu (NH2) 13 1.8 Các phương pháp đánh giá hoạt tính chống oxy hóa 14 1.8.1 Khả khử Ferric huyết tương (FRAP) 15 1.8.2 Định lượng khả hấp thụ gốc oxy chất chống oxy hóa huyết (ORAC) 15 1.8.3 Xét nghiệm hóa học cho hoạt tính chống oxy hóa gốc tự DPPH 15 1.9 Phương pháp phổ hấp thu phân tử UV - Vis 16 1.9.1 Cơ sở lý thuyết phương pháp 16 1.9.2 Nguyên lý phương pháp 16 1.9.3 Các đại lượng thường dùng trắc quang 16 1.9.4 Các bước tiến hành đo 17 1.9.5 Các phương pháp phân tích UV – Vis 17 1.10 Lý thuyết QSAR 18 1.10.1 Lịch sử đời QSAR 18 1.10.2 Khái niệm phương pháp mơ hình hóa QSAR 18 1.10.3 Quy trình xây dựng mơ hình QSAR 19 1.10.4 Ưu điểm mơ hình QSAR 21 1.10.5 Ứng dụng mơ hình QSAR 22 1.11 Bộ mô tả 22 1.11.1 Khái niệm 22 1.11.2 Phân loại 23 1.11.3 Phương pháp tiếp cận mơ hình hóa 3D-QSAR 26 1.12 Các thuật toán xây dựng mơ hình QSAR 32 1.12.1 Thuật tốn hồi quy tuyến tính đa biến MLR 32 1.12.2 Thuật tốn bình phương nhỏ phần PLS 33 CHƯƠNG 2: THỰC NGHIỆM 34 2.1 Xây dựng mơ hình 3D QSAR từ sở liệu TEAC 34 2.1.1 Các cơng cụ phần mềm xây dựng mơ hình QSAR 34 2.1.2 Nguồn liệu 35 2.1.3 Xây dựng giảm lượng cấu trúc peptide 37 2.1.4 Mơ hình hóa 3D QSAR 37 2.1.5 Các số đánh giá 39 2.2 Nghiên cứu khả bắt gốc tự ABTS peptide 39 2.2.1 Phương pháp bắt gốc tự ABTS peptide 39 2.2.2 Dụng cụ thiết bị 40 2.2.3 Hóa chất 41 2.2.4 Khảo sát thông số phương pháp ABTS 41 CHƯƠNG 3: KẾT QUẢ VÀ BÀN LUẬN 44 3.1 Kết thống kê mơ hình dựa trường Gaussian (CoMSIA) 44 3.2 Kết nghiên cứu khả bắt gốc tự ABTS peptide 47 3.2.1 Khảo sát bước sóng tối ưu 47 3.2.2 Xây dựng đường chuẩn trolox 48 3.2.3 Phân tích mẫu 48 3.2.4 So sánh khả bắt gốc peptide với peptide chống oxy hóa Glutathione 49 KẾT LUẬN 51 KIẾN NGHỊ 52 TÀI LIỆU THAM KHẢO 53 DANH MỤC BẢNG BIỂU Bảng 1.1 Bộ mô tả 2D 3D 24 Bảng 2.1 Tập liệu huấn luyện (Training set) mơ hình…………………………….36 Bảng 2.2 Tập liệu đánh giá (Test set) mơ hình 37 Bảng 2.3 Tên dụng cụ thiết bị sử dụng cho trình nghiên cứu khả bắt gốc tự ABTS peptide 40 Bảng 2.4 Tên hóa chất sử dụng cách pha cho nghiên cứu khả 41 Bảng 2.5 Quy trình khảo sát phổ hấp thu phức 42 Bảng 2.6 Quy trình xây dựng đường chuẩn trolox 42 Bảng 2.7 Quy trình phân tích mẫu 43 Bảng 2.8 Quy trình so sánh khả bắt gốc với GSH 43 Bảng 3.1 Bảng thống kê mô hình dựa trường Gaussian (CoMSIA)…………… 44 Bảng 3.2 Đóng góp năm trường tương tác vào mơ hình Gaussian 46 Bảng 3.3 Kết phân tích mẫu 48 Bảng 3.4 Kết so sánh khả bắt gốc với GSH 49 43 thay cho mẫu làm mẫu trắng ABTS+ pha loãng với PBS để thu độ hấp thụ 0,70 ± 0,02 bước sóng 734 nm mẫu trắng Các mẫu peptide chuẩn bị dung dịch đệm PBS 50 mM giá trị pH 7,4 có nồng độ trước pha lỗng ABTS+ 200 µM, 328µM, 400 µM Quy trình thực bảng 2.7 Bảng 2.7 Quy trình phân tích mẫu Bình Nồng độ peptide (µM) trước pha lỗng 200 328 400 Nồng độ peptide (µM) sau pha lỗng 8.2 10 Thể tích mẫu (ml) 0.1 ABTS+ pha lỗng với PBS để thu độ hấp thụ 0,70 ± 0,02 λ=734 nm Thể tích hỗn hợp thuốc thử (ml) 3.9 Lắc để yên phút Đo quang sau 6, 10 phút sau phút đến 30 phút λ=734nm 2.2.4.4 So sánh khả bắt gốc peptide với peptide chống oxy hóa Glutathione Dùng dung dịch ABTS+ pha loãng dung dịch đệm PBS 50 mM pH 7,4 Chuẩn bị mẫu GSH có nồng độ trước pha lỗng ABTS+ 200 µM, 328 µM, 400 µM Quy trình phân tích thực sau: Bảng 2.8 Quy trình so sánh khả bắt gốc với GSH Bình Nồng độ GSH (µM) trước pha lỗng 200 328 400 Nồng độ GSH (µM) sau pha lỗng 8.2 10 Thể tích mẫu (ml) 0.1 ABTS+ pha loãng với PBS để thu độ hấp thụ 0,70 ± 0,02 λ=734 nm Thể tích hỗn hợp thuốc thử (ml) 3.9 Lắc để yên phút Đo quang sau 6, 10 phút sau phút đến 30 phút λ=734nm 44 CHƯƠNG 3: KẾT QUẢ VÀ BÀN LUẬN 3.1 Kết thống kê mơ hình dựa trường Gaussian (CoMSIA) Bảng 3.1 Bảng thống kê mơ hình dựa trường Gaussian (CoMSIA) với số Factor từ đến 10 Factors SD R^2 R^2 CV R^2 Stability Scramble F RMSE Q^2 Pearsonr 0.3496 0.6919 0.5545 0.0927 0.968 139.3 0.32 0.7522 0.882 0.2952 0.7839 0.6888 0.157 0.983 110.6 0.31 0.7741 0.8867 0.2343 0.8661 0.7719 0.2202 0.982 129.4 0.26 0.8325 0.9171 0.1767 0.9251 0.8452 0.2574 0.979 182.2 0.24 0.8607 0.9302 0.1701 0.9318 0.8577 0.2902 0.982 158.4 0.24 0.8567 0.928 0.1678 0.9347 0.8631 0.3137 0.982 136.1 0.25 0.8467 0.9235 0.1653 0.9378 0.8565 0.3289 0.978 120.6 0.25 0.843 0.9218 0.1611 0.942 0.8579 0.342 0.974 111.6 0.24 0.8546 0.927 0.1605 0.9434 0.8588 0.3554 0.973 100 0.25 0.8519 0.9259 10 0.156 0.8574 0.3741 0.967 95.8 0.26 0.8372 0.9212 0.9476 45 Hình 3.1 Đồ thị biểu diễn tập đánh giá mơ hình dựa trường Gaussian (CoMSIA) Hình 3.2 Đồ thị biểu diễn tập huấn luyện mơ hình dựa trường Gaussian (CoMSIA) Qua kết thống kê cho việc xây dựng mơ hình CoMSIA với nhiều Factors khác đề cập đến bảng 3.1 Tôi nhận thấy rằng, mơ hình Factors mơ hình tốt nhất, với giá trị R2 đạt 0.9318 (R2 > 0.8 mô hình tương quan mạnh), R2CV = 0.8577 R2Sramble tương đối thấp 0.2902 Độ ổn định 0.982, giá trị F 158.4 (F > 100 nên mơ hình có 46 thể coi đáng tin cậy) Các hệ số thống kê đánh giá hiệu suất khách quan Q2, RMSE, Pearson-r 0.8567, 0.24 0.928 Với kết thu chứng minh mơ hình thống kê đáng tin cậy khả dự đốn tốt Hình 3.3 Bản đồ đường biên dạng trường tương tác có nguồn gốc từ mơ hình phân tích CoMSIA (a) H-Bond Aceptor (đỏ: cực dương, tím: cực âm); (b) Steric (xanh lá: cực dương, vàng: cực âm); (c) Hydrophobic (vàng: cực dương, trắng: cực âm), (d) H-Bond Donor (xanh tím: cực dương, xanh lam: cực âm; (e) Electrostatic (xanh dương: cực dương, đỏ: cực âm) Bảng 3.2 Đóng góp năm trường tương tác vào mơ hình Gaussian Mơ hình (Factor) Trường không gian (Steric) 0.490 Trường tĩnh Trường kỵ điện nước (Electrostatic) (Hydrophobic) 0.073 0.136 Trường nhận liên kết H (Aceptor) Trường cho liên kết H (Donor) 0.153 0.147 Dựa vào bảng 3.2 ta thấy mức độ đóng góp trường tương tác phân tử vào hoạt tính chống oxy hóa peptide có chênh lệch đáng kể Trong trường khơng gian đóng góp vào hoạt tính chống oxy hóa nhiều mức 49%, nhiên trường tĩnh điện đóng góp 7.3% tất trường Còn lại trường kỵ nước, nhận liên kết H, cho liên kết H có mức độ đóng góp 13.6%, 15.3%, 14.7% Cốt lõi việc đánh 47 giá mối tương quan giá trị hoạt tính quan sát với giá trị hoạt tính dự đốn ngoại suy từ mơ hình CoMSIA trình bày hình 3.1 hình 3.2 Đề tài nghiên cứu sử dụng mơ hình để dự đốn hoạt tính chống oxi hóa peptide Pro-Trp-Leu (NH2) Peptide đưa vào mơ hình để xác định giải thích khả đóng góp mơ hình vào việc dự đốn hoạt tính peptide Peptide có hoạt tính mạnh sử dụng cho nghiên cứu thực nghiệm sau Peptide Pro-Trp-Leu (NH2) dự đốn từ mơ hình Factor có giá trị TEAC tương ứng 0.865 Từ đồ biểu diễn ảnh hưởng trường tương tác lên hoạt tính chống oxy hóa peptide hình 3.3, ta nhận thấy trường nhận liên kết hydro Aceptor (hình a) trường nhường liên kết hydro Donor (hình d) thể hoạt tính tốt cấu trúc vòng thơm amino acid thứ ba Ảnh hưởng trường khơng gian Steric hoạt tính chống oxy hóa chủ yếu vịng thơm amino acid cuối định hoạt tính tăng cấu trúc amino acid cuối mở rộng khơng gian theo hướng mặt phẳng vịng thơm, ngược lại hoạt tính giảm cấu trúc amino acid cuối mở rộng theo hướng vng góc với mặt phẳng vịng thơm (hình b) Đối với trường tương tác kỵ nước Hydrophobic biểu diễn (hình c) cho thấy ảnh hưởng trường tương tác kỵ nước đến hoạt tính chống oxy hóa peptide cách rõ rệt, thay vịng thơm nhóm kỵ nước vị trí màu vàng gây tương tác dương làm tăng hoạt tính chống oxy hóa làm giảm hoạt tính nhóm kỵ nước nằm vị trí vịng thơm minh họa vùng màu trắng Cuối trường tĩnh điện Electrostatic biểu diễn (hình e): vùng màu đỏ chiếm diện tích tương đối lớn amino acid thứ ba chứng tỏ tích điện cao đồng nghĩa với việc hoạt tính peptide bị giảm 3.2 Kết nghiên cứu khả bắt gốc tự ABTS peptide 3.2.1 Khảo sát bước sóng tối ưu Kết phổ hấp thu thể hình 3.4 Hình 3.4 Khảo sát phổ hấp thu cực đại 48 Từ hình 3.4 cho thấy độ hấp thụ phức màu đạt cực đại bước sóng 415nm, 645nm, 734nm, 815nm Trong nguyên cứu ABTS độ hấp thụ mạnh hợp chất khoảng 600 đến 750 Do vậy, chọn bước sóng 734nm làm bước sóng tối ưu cho nghiên cứu 3.2.2 Xây dựng đường chuẩn trolox Kết đường chuẩn thể hình 3.5 0.7 Mật độ quang A 0.6 y = -0.0285x + 0.67 R² = 0.9999 0.5 0.4 0.3 0.2 0.1 0 10 15 20 25 Nồng độ (µM) Hình 3.5 Xây dựng đường chuẩn trolox Số liệu trích dẫn bảng S.1 phụ lục Dựa vào kết xây dựng đường chuẩn (hình 3.5), ta thấy hệ số hồi quy tuyến tính R2 ≥ 0,99, đường chuẩn xây dựng đạt yêu cầu 3.2.3 Phân tích mẫu Kết phân tích mẫu thể bảng 3.3 Bảng 3.3 Kết phân tích mẫu µM TEAC/µM peptide (y = -0.0285x + 0.67) Nồng độ trước pha lỗng (µM) 200 328 400 Mẫu Nồng độ sau pha lỗng (µM) 8.2 10 Pro - Trp - Leu (NH2) Tại phút 1.7123 ± 0.1256 1.4121 ± 0.0487 1.3883 ± 0.0393 Số liệu trích dẫn từ bảng S.2 phụ lục Chọn nồng độ 8.2 µM thời gian phút để tính tốn so sánh giá trị TEAC với 49 giá trị TEAC dự đốn từ mơ hình Lý chọn nồng độ 8.2 µM liệu TEAC gốc trích xuất nồng độ thời gian Ngồi so sánh hoạt tính chống oxy hóa cách tương đối thơng qua chất chống oxy hóa tự nhiên Glutathione tiến hành khảo sát điều kiện cho giá trị TEAC đạt 1.6289 cao Pro – Trp – Leu (NH2) (1.4121) Giá trị TEAC Pro – Trp – Leu (NH2) 1.4121 tương quan tốt với dự đoán cung cấp từ mơ hình CoMSIA mở rộng nêu Giá trị TEAC thu từ thực nghiệm (bảng 3.3) cho thấy khả bắt gốc tự ABTS peptide thay đổi theo nồng độ Nồng độ peptide lớn khả bắt gốc tự cao hay nói cách khác làm màu ABTS+ nhanh 3.2.4 So sánh khả bắt gốc peptide với peptide chống oxy hóa Glutathione Bảng 3.4 Kết so sánh khả bắt gốc với GSH µM TEAC/µM GSH (y = -0.0285x + 0.67) 200 328 400 Mẫu Nồng độ sau pha lỗng (µM) 8.2 10 GSH Tại phút 1.7684 ± 0.0628 1.6289 ± 0.0267 1.5392 ± 0.0480 µM TEAC/µM Peptide Nồng độ trước pha lỗng (µM) 1.8 1.6 1.4 1.2 0.8 0.6 0.4 0.2 GSH Pro-Trp-Leu (NH2) Nồng độ µM 5µM 8.2µM 10µM Hình 3.6 So sánh khả bắt gốc với GSH Số liệu trích dẫn bảng S.3 phụ lục Từ đồ thị, thấy khả bắt gốc tự peptide Pro – Trp – Leu (NH2) thấp khả bắt gốc tự GSH không đáng kể Điều chứng tỏ 50 Pro -Trp – Leu (NH2) thể hoạt tính tốt Bên cạnh dựa vào giá trị TEAC peptide nồng độ khác cho thấy khả bắt gốc tự peptide thay đổi chế GSH 51 KẾT LUẬN Mơ hình định lượng QSAR từ sở liệu chống oxy hóa tương đương Trolox (TEAC) cho thấy mối quan hệ phụ thuộc cấu trúc hoạt tính peptide Từ làm tối ưu hóa cấu trúc peptide để gia tăng hoạt tính Giá trị TEAC (1.412) thu từ kết thực nghiệm giá trị TEAC (0.865) dự đốn mơ hình CoMSIA mở rộng có mối tương quan tốt với Các kết thống kê cho nhiều mơ hình CoMSIA trình bày bảng 3.1 cho mơ hình Factor với số tối ưu chứng minh độ tin cậy khả dự đoán mạnh mẽ mơ hình Peptide Pro – Trp – Leu (NH2) với dự đốn hoạt tính cao tiến hành sàng lọc in vitro để khám phá tiềm chống oxy hóa chúng Điều giúp giảm thiểu thời gian chi phí cho q trình tổng hợp thực nghiệm khả chống oxy hóa ống nghiệm tế bào Thử nghiệm bắt gốc tự ABTS peptide Pro – Trp – Leu (NH2): Phổ hấp thu cực đại ABTS cho phức màu bước sóng 734nm; Mẫu khảo sát khoảng thời gian phút thời gian để trình động học phản ứng diễn ra; Kết phân tích mẫu cho thấy peptide Pro – Trp – Leu (NH2) thể hoạt tính tương đối tốt ba nồng độ khảo sát µM, 8.2 µM 10 µM; Tại nồng độ µM: khả bắt gốc tự peptide Pro – Trp – Leu (NH2) thấp 0.056 so với GSH; Tại nồng độ 8.2 µM: khả bắt gốc tự Pro – Trp – Leu (NH2) thấp 0.217 so với GSH; Tại nồng độ 10 µM: khả bắt gốc tự Pro – Trp – Leu (NH2) thấp 0.151 so với GSH; Nhìn chung khả chống oxy hóa peptide Pro – Trp – Leu (NH2) gần với khả chống oxy hóa Glutathione chứng tỏ Pro – Trp – Leu (NH2) đóng góp vào việc bảo vệ da Litoria Rubella trước tác nhân oxy hóa gây hại từ mơi trường ngồi cách loại bỏ liên tục gốc tự 52 KIẾN NGHỊ Theo kết dự đốn từ mơ hình TEAC nhận thấy peptide Pro – Trp – Leu (NH2) có hoạt tính tương đối tốt Trên sở tiến hành thử nghiệm hay tổng hợp peptide phục vụ cho nghiên cứu liên quan đến chất chống oxy hóa lĩnh vực Thực phẩm Dược phẩm Bên cạnh đó, giá trị thống kê thu từ mơ hình TEAC có độ tin cậy định nên sử dụng mơ hình liệu để dự đốn hoạt tính nhiều peptide tương lai 53 TÀI LIỆU THAM KHẢO [1] Khoa cơng nghệ hố học, Giáo trình hố hữu cơ, Nhà xuất Đại học cơng nghiệp Tp Hồ Chí Minh (2018) [2] Phùng Trung Hùng, Nguyễn Phước Long, Đại cương amino axit, Nhà xuất Đại học y dược Tp Hồ Chí Minh [3] Ngọc, N M (2017) Nghiên cứu điều kiện tách tinh peptide có hoạt tính chống oxy hóa từ sản phẩm đậu nành thủy phân (Doctoral dissertation, Trường Đại học Bách khoa Hà Nội) [4] Trần Bích Lam, Nguyên cứu peptide hoạt tính sinh học, Khố luận tốt nghiệp đại học, Đại học Cơng nghiệp Thực phẩm Tp Hồ Chí Minh (2016) [5] Cheung, R C F., Ng, T B., & Wong, J H (2015) Marine peptides: Bioactivities and applications Marine drugs, 13(7), 4006-4043 [6] Killian, J A., & Nyholm, T K (2006) Peptides in lipid bilayers: the power of simple models Current opinion in structural biology, 16(4), 473-479 [7] Rahman, K (2007) Studies on free radicals, antioxidants, and co-factors Clinical interventions in aging, 2(2), 219 [8] Nimse, S B., & Pal, D (2015) Free radicals, natural antioxidants, and their reaction mechanisms RSC advances, 5(35), 27986-28006 [9] R Apak, S Gorinstein, V Böhm, K M Schaich, M ệzyỹrek and K Gỹỗlỹ, Pure Appl Chem., 2013, 85, 957–998 [10] Bộ môn Dược liệu, Phương pháp nghiên cứu dược liệu, Nhà xuất Đại học Y Dược TP Hồ Chí Minh (2010) [11] Sies, H (2007) Total antioxidant capacity: appraisal of a concept The Journal of nutrition, 137(6), 1493-1495 [12] Lü, J M., Lin, P H., Yao, Q., & Chen, C (2010) Chemical and molecular mechanisms of antioxidants: experimental approaches and model systems Journal of cellular and molecular medicine, 14(4), 840-860 [13] Jat, D (2016) Mechanism of action of antioxidants against free radical induced damage to biomolecules Madhya Bharti J Sci, 60(1), 6-8 [14] Karadag, A., Ozcelik, B., & Saner, S (2009) Review of methods to determine antioxidant capacities Food analytical methods, 2(1), 41-60 [15] Pisoschi, A M., Pop, A., Cimpeanu, C., & Predoi, G (2016) Antioxidant capacity determination in plants and plant-derived products: A review Oxidative medicine and cellular longevity, 2016 54 [16] Noctor, G., Queval, G., Mhamdi, A., Chaouch, S., & Foyer, C H (2011) Glutathione The Arabidopsis Book/American Society of Plant Biologists, [17] Chen, D., & Feng, Y (2022) Recent progress of glutathione (GSH) specific fluorescent probes: molecular design, photophysical property, recognition mechanism and bioimaging Critical Reviews in Analytical Chemistry, 52(3), 649-666 [18] Rausch, T., Gromes, R., Liedschulte, V., Müller, I., Bogs, J., Galovic, V., & Wachter, A (2007) Novel insight into the regulation of GSH biosynthesis in higher plants Plant Biology, 9(05), 565-572 [19] Coutts, C (2021) A Cell Spheroid Model of Calcific Aortic Valve Disease: The Role of Apoptosis and Oxidative Stress (Doctoral dissertation, WORCESTER POLYTECHNIC INSTITUTE) [20] Arts, M J., Haenen, G R., Voss, H P., & Bast, A (2004) Antioxidant capacity of reaction products limits the applicability of the Trolox Equivalent Antioxidant Capacity (TEAC) assay Food and Chemical Toxicology, 42(1), 45-49 [21] Tran, T T N., Tran, D P., Nguyen, V C., Tran, T D T., Bui, T T T., & Bowie, J H (2021) Antioxidant activities of major tryptophyllin L peptides: A joint investigation of Gaussian‐based 3D‐QSAR and radical scavenging experiments Journal of Peptide Science, 27(4), e3295 [22] Steinborner ST, Wabnitz PA, Waugh RJ, et al The structures of new peptides from the Australian red tree frog ‘Litoria rubella’ The skin peptide profile as a probe for the study of evolutionary trends of amphibians Aust J Chem 1996;49(9):955-963 [23] Benzie, I F., & Strain, J J (1996) The ferric reducing ability of plasma (FRAP) as a measure of “antioxidant power”: the FRAP assay Analytical biochemistry, 239(1), 70-76 [24] Cao, G., Alessio, H M., & Cutler, R G (1993) Oxygen-radical absorbance capacity assay for antioxidants Free radical biology and medicine, 14(3), 303-311 [25] Sirivibulkovit, K., Nouanthavong, S., & Sameenoi, Y (2018) based DPPH assay for antioxidant activity analysis Analytical sciences, 34(7), 795-800 [26] Khoa cơng nghệ hố học, Tài liệu hóa phân tích nâng cao, Nhà xuất Đại học cơng nghiệp Tp Hồ Chí Minh (2019) [27] Nilapwar, S M., Nardelli, M., Westerhoff, H V., & Verma, M (2011) Absorption spectroscopy In Methods in enzymology (Vol 500, pp 59-75) Academic Press [28] Muhammad, U., Uzairu, A., & Ebuka Arthur, D (2018) Review on: quantitative structure activity relationship (QSAR) modeling J Anal Pharm Res, 7(2), 240-242 [29] Ceyda Oksel, Xue Z Wang 2013 “Quantitative Structure – Activity Relationship (QSAR) models” Research Infrastructure Quality Nano 8-10 [30] Nantasenamat, C., Isarankura-Na-Ayudhya, C., Naenna, T., & Prachayasittikul, V (2009) A practical overview of quantitative structure-activity relationship 55 [31] Gramatica, P (2011) A short history of QSAR evolution QSAR Research Unit in Environmental Chemistry and Ecotoxicology, DBSF, Insubria University, Varese, Italy [32] Kausar, S., & Falcao, A O (2018) An automated framework for QSAR model building Journal of cheminformatics, 10(1), 1-23 [33] Wang, S C (2003) Artificial neural network In Interdisciplinary computing in java programming (pp 81-100) Springer, Boston, MA [34] Sukumar, N., Prabhu, G., & Saha, P (2014) Applications of genetic algorithms in QSAR/QSPR modeling In Applications of Metaheuristics in Process Engineering (pp 315324) Springer, Cham [35] Karamizadeh, S., Abdullah, S M., Manaf, A A., Zamani, M., & Hooman, A (2020) An overview of principal component analysis Journal of Signal and Information Processing, [36] Kiralj, R., & Ferreira, M (2009) Basic validation procedures for regression models in QSAR and QSPR studies: theory and application Journal of the Brazilian Chemical Society, 20(4), 770-787 [37] Luan, F., & Cordeiro, M N D S (2012) Overview of QSAR modelling in rational drug design Recent trends on QSAR in the pharmaceutical perceptions Sharjah: Bentham Science Publishers, 194-241 [38] Puzyn, T., Leszczynski, J., & Cronin, M T (Eds.) (2010) Recent advances in QSAR studies: methods and applications [39] Consonni, V., & Todeschini, R (2010) Molecular descriptors In Recent advances in QSAR studies (pp 29-102) Springer, Dordrecht [40] Grisoni, F., Consonni, V., & Todeschini, R (2018) Impact of molecular descriptors on computational models In Computational Chemogenomics (pp 171-209) Humana Press, New York, NY [41] Kunal Roy, Supratik Kar, Rudra Narayan Das (2015) Chapter - Introduction to 3DQSAR Understanding the Basics of QSAR for Applications in Pharmaceutical Sciences and Risk Assessment, Academic Press, 291-317 [42] Kubinyi, H (1998) Comparative molecular field analysis (CoMFA) The encyclopedia of computational chemistry, 1, 448-460 [43] Klebe G, Abraham U, Mietzner T Molecular similarity indices in a comparative analysis (CoMSIA) of drug molecules to correlate and predict their biological activity J Med Chem 1994;37(24): 4130-4146 [44] Mor, M., Rivara, S., Lodola, A., Lorenzi, S., Bordi, F., Plazzi, P V., & Tarzia, G (2005) Application of 3D‐QSAR in the Rational Design of Receptor Ligands and Enzyme Inhibitors Chemistry & biodiversity, 2(11), 1438-1451 [45] Politi, A., Durdagi, S., Moutevelis-Minakakis, P., Kokotos, G., Papadopoulos, M G., & Mavromoustakos, T (2009) Application of 3D QSAR CoMFA/CoMSIA and in silico 56 docking studies on novel renin inhibitors against cardiovascular diseases European journal of medicinal chemistry, 44(9), 3703-3711 [46] Klebe, G (1998) Comparative molecular similarity indices analysis: CoMSIA In 3D QSAR in drug design (pp 87-104) Springer, Dordrecht [47] Pirhadi, S., Shiri, F., & Ghasemi, J B (2015) Multivariate statistical analysis methods in QSAR Rsc Advances, 5(127), 104635-104665 [48] Carrascal, L M., Galván, I., & Gordo, O (2009) Partial least squares regression as an alternative to current regression methods used in ecology Oikos, 118(5), 681-690 [49] Ghosh, P., & Bagchi, M C (2009) QSAR modeling for quinoxaline derivatives using genetic algorithm and simulated annealing based feature selection Current medicinal chemistry, 16(30), 4032-4048 [50] Brown, T (2014) ChemDraw The Science Teacher, 81(2), 67 [51] Cousins, K R (2011) Computer review of ChemDraw ultra 12.0 [52] Macrae, C F., Sovago, I., Cottrell, S J., Galek, P T., McCabe, P., Pidcock, E., & Wood, P A (2020) Mercury 4.0: From visualization to analysis, design and prediction Journal of applied crystallography, 53(1), 226-235 [53] Maestro, S (2020) Maestro Schrödinger, LLC, New York, NY, 2020 [54] James J MOPAC2016, Stewart Computational Chemistry In: Colorado Springs: CO, USA, http://OpenMOPAC, 2016 [55] Bell, J A., Cao, Y., Gunn, J R., Day, T., Gallicchio, E., Zhou, Z., & Farid, R (2012) PrimeX and the Schrödinger computational chemistry suite of programs [56] Kiralj, R., & Ferreira, M (2009) Basic validation procedures for regression models in QSAR and QSPR studies: theory and application Journal of the Brazilian Chemical Society, 20(4), 770-787 [57] R Re et al (1999) Antioxidant activity applying an improved ABTS radical cation decolorization assay, 26(9-10), 1231-7 PHỤ LỤC Bảng S.1 Kết xây dựng đường chuẩn trolox STT Nồng độ (µM) 0.25 0.5 10 15 20 A 0.665 0.657 0.641 0.612 0.526 0.384 0.242 0.102 Bảng S.2 Kết đo mật độ quang mẫu Nồng độ peptide trước pha lỗng (µM) 200 328 400 Nồng độ peptide sau pha lỗng (µM) 8.2 10 Mẫu Lần Pro-Trp-Leu (NH2) A phút 0.434 0.226 0.274 0.420 0.232 0.279 0.424 0.228 0.270 Bảng S.3 Kết đo mật độ quang với GSH Nồng độ trước pha lỗng ABTS (µM) 200 328 400 Nồng độ sau pha lỗng ABTS (µM) 8.2 10 Mẫu GSH Lần A phút 0.414 0.287 0.231 0.421 0.289 0.237 0.419 0.292 0.226