×
彭玉娟;向、健;曹子杰;王慧

关于瑞舒伐他汀对阿尔茨海默病淀粉样β-肽在原子结构中相互作用的动力学行为的假设的分子动力学方法。 （英语） Zbl 07789026号

工程分析。已绑定。元素。 144, 1-7 (2022).
摘要：淀粉样β肽是一种由42个氨基酸组成的肽，由称为淀粉样β前体蛋白（APP）的前体蛋白衍生而来。淀粉样蛋白β前体蛋白是一种糖蛋白，是一种只穿过膜一次的单程跨膜转运蛋白。在21号染色体上，你会发现编码淀粉样β前体蛋白的基因。由于其在生物应用中的重要性，蛋白质的热特性正在研究中。这种生物结构的热行为可以用计算机模型来预测，这些模型取决于结构的原子排列。数值分子动力学技术（Green-Kubo方法）计算了淀粉样β肽的热行为。在这种方法中，淀粉样β肽类由C、F、H、N、O和S原子通过DREIDING和Universal力场（UFF）形成。根据MD模拟的结果，淀粉样β蛋白在典型条件下（T=300 k和P=1 bar）的导热系数（k）为1.23 W/mK。模拟还表明，起始温度和压力显著影响模拟蛋白质对热量的反应。在（t=10）ns后，在模拟结构中可以看到热行为，这是由起始温度和压力升高引起的。

MSC公司：

92至XX 生物学和其他自然科学
82至XX 统计力学，物质结构

关键词：

分子动力学方法;动力学行为;阿尔茨海默病;原子结构
PDF格式BibTeX公司 XML格式引用
\textit{Y.Peng}等人，《工程分析》。已绑定。元素。144，1--7（2022；Zbl 07789026）
全文： 内政部

参考文献：

[1] Hw、H.W.Q。；LaFerla，F.，《阿尔茨海默病》，《新英格兰医学杂志》，362，4，329-344（2010）
[2] El-Desouki，R.A.K.M.，《关于阿尔茨海默病的新见解》，《显微超微结构杂志》，第2期，第57-66页（2014年）
[3] Craft，J.M.，白细胞介素1受体拮抗剂敲除小鼠显示，脑室内输注人类β-淀粉样蛋白可增强小胶质细胞活化和神经元损伤，神经炎杂志，2，1，1-9（2005）
[4] Minogue，A.N.M.，c-Jun N末端激酶信号级联的激活介导淀粉样蛋白-β对海马长期增强和细胞死亡的影响：白细胞介素-1β？的作用？，生物化学杂志，278，30，27971-27980（2003）
[5] Zhang，Y.Y.，阿托伐他汀降低淀粉样β1-42诱导的阿尔茨海默病大鼠模型海马中IL-1β、IL-6和TNF-α的生成，临床干预衰老，8，103（2013）
[6] Millucci，L.，淀粉样β肽25-35的构象和生物活性，Curr Protein Pept Sci，11，1，54-67（2010）
[7] Ford，L.，Aβ暴露对已定义神经元网络中长期联想记忆及其神经元机制的影响，科学代表，5，1，1-15（2015）
[8] Cheng，Y.F.，抑制磷酸二酯酶-4逆转大鼠Aβ25-35或Aβ1-40肽产生的记忆缺陷，精神药理学，212，2，181-191（2010），Berl
[9] Dickson，D.W.，神经疾病中的小胶质细胞和细胞因子，特别是艾滋病和阿尔茨海默病，Glia，7，1，75-83（1993）
[10] Nolan，Y.，白细胞介素-4在调节海马体年龄相关炎症变化中的作用，生物化学杂志，280，10，9354-9362（2005）
[11] Wang，Q.，β-淀粉样蛋白抑制的长期增强是通过肿瘤坏死因子介导的，《欧洲神经科学杂志》，22，11，2827-2832（2005）
[12] Mans，R.A。；麦克马洪，L.L。；Li，L.，辛伐他汀介导的长期增强是由法尼基焦磷酸缺失和法尼基化抑制驱动的，《神经科学》，202，1-9（2012）
[13] Yang，R.，通过σ1受体和α7nAChR介导的神经保护作用，在Aβ25-35注射小鼠中的神经甾体PREGS的抗遗忘作用，神经药理学，63，61042-150（2012）
[14] Wang，Q.，他汀类药物：神经退行性疾病中的多种神经保护机制，实验神经学，230，1，27-34（2011）
[15] Asgari，A.，开发分子动力学方法来模拟受外电场影响的纳米通道中H_2O/Cu纳米流体的流动和热域，《国际热力学杂志》，41，9，1-14（2020）
[16] Farhadi，B.，关于CH_3NH_3SnIxBr_3−X钙钛矿光电行为的假设：密度泛函理论方法，Sol Energy，23311-17（2022）
[17] Farhadi，B.，具有优异机械和热稳定性的掺碳无铅钙钛矿，Mol Phys，120，6，文章e2013555 pp.（2022）
[18] Ghanbari，A.，用于生物医学应用的AZ31镁合金中多巴胺功能化的氧化机制的研究，涂层，9，9584（2019）
[19] Jolfaei，N.A.，《通过平衡和非平衡分子动力学方法研究DNA结构与精确原子排列的热特性》，《生物计算方法进展》，185，第105169条，pp.（2020）
[20] Ashkezari，A.Z.，用平衡/非平衡分子动力学方法计算人血清白蛋白（HSA）的热导率，生物计算方法，188，第105256条pp.（2020）
[21] Xu，P.，利用计算机辅助药物研究技术分析普尼卡肽治疗阿尔茨海默病的分子机制，ACS Omega，7，7，6121-6132（2022）
[22] Iqbal，D.，通过多靶点方法对抗阿尔茨海默病的天然类产品化合物进行高通量筛选和分子动力学模拟，制药，14，9，937（2021）
[23] 易卜拉欣，M.，《使用分子动力学模拟研究原子结构中3LPT蛋白-水分子相互作用的动力学行为》，J Mol Liq，329，第115615页，（2021）
[24] Keyvani，M.，《氧化铈/乙二醇纳米流体导热性的实验研究：建立新的相关性》，J Mol Liq，266211-217（2018）
[25] Akhgar，A.，《开发不同人工神经网络（ANN）预测MWCNT-TiO_2/水-乙二醇混合纳米流体的导热性》，《粉末技术》，355602-610（2019）
[26] Goodarzi，M.，基于温度和浓度变化的ZnO-MWCNTs/发动机油混合纳米润滑剂动态粘度的实验评估，《热分析热量杂志》，136，2，513-525（2019）
[27] Toghraie，D.，设计人工神经网络（ANN）来预测银/乙二醇纳米流体在不同温度和纳米颗粒体积分数下的粘度，Phys A，534，文章122142 pp.（2019）
[28] Vakilha，M。；Hopp-Hirschler，M。；Shadloo，M.S.，《多相流问题的完全显式不可压缩光滑粒子流体动力学方法》，《工程分析约束元素》，143，501-524（2022）·Zbl 1521.76706号
[29] Hopp-Hirschler，M。；沙德鲁，M.S。；Nieken，U.，《热毛细流动的平滑粒子流体动力学方法》，计算流体，176，1-19（2018）·Zbl 1410.76356号
[30] He，W.，扭带插入物和纳米流体对管内流场和传热特性的影响，国际通用热质传递，110，第104440条，pp.（2020）
[31] Almasi，F.，使用简单的不可压缩平滑粒子流体动力学方法对多相电流体动力学流动进行数值模拟，计算数学应用，81，772-785（2021）
[32] 沙德鲁，M.S。；奥格，G。；Le Touzé，D.，流体流动的平滑粒子流体动力学方法，走向工业应用：动机、现状和挑战，计算流体，136，11-34（2016）·兹比尔1390.76764
[33] Farhadi，B.，阳极缓冲层材料和光辐射功率对平面针钙钛矿太阳能电池效率的影响：理论和模拟，《光子能源杂志》，12，1，第015503页，（2022）
[34] Kmiecik，S.，《粗粒蛋白质模型及其应用》，《化学评论》，116、14、7898-7936（2016）
[35] 布鲁克斯，C.L。；Karplus，M。；Pettitt，B.M.，《化学物理进展》，第71卷：蛋白质：动力学、结构和热力学的理论视角（2006），威利-布拉克韦尔
[36] 梅奥，S.L。；奥拉夫森，B.D。；Goddard，W.A.，DREIDING:分子模拟的通用力场，《物理化学杂志》，94，26，8897-8909（1990）
[37] Rappé，A.K.，UFF，用于分子力学和分子动力学模拟的全周期表力场，美国化学学会杂志，114，25，10024-10035（1992）
[38] Lennard-Jones，J.E.，《分子轨道的测定》，Proc R Soc Lond Ser A数学物理科学，198，1052，1-13（1949）·Zbl 0033.03802号
[39] Glättli，A。；Daura，X。；van Gunsteren，W.F.，改进的液态水简单点电荷模型的推导：SPC/A和SPC/L，化学物理杂志，116，22，9811-9828（2002）
[40] 雷扎卡泽米，M。；Mosavi，A。；Shirazian，S.，分子膜分离优化的ANFIS模式，J Mol Liq，274，470-476（2019）
[41] 阿德科克，S.A。；McCammon，J.A.，《分子动力学：蛋白质活性模拟方法综述》，《化学评论》，106，5，1589-1615（2006）
[42] 加兰达里，M。；Shamshirband，S。；Mosavi，A。；Chau，K.W.，使用所提出的微分求积法公式进行颤振速度估计，Eng Appl Comput Fluid Mech，13，1804-810（2019）
[43] 穆罕默德扎德，S。，。D。。；Kazemi，S.F。；Mosavi，A。；Nasseralshariati，E。；Tah，J.H.，使用基因表达编程模型预测细粒土的压缩指数，基础设施，4，2，26（2019）
[44] Mosavi，A。；Hekmatifar，M。；Alizadeh，A.A。；Toghraie，D。；Sabetvand，R。；Karimipour，A.，Ar/Cu纳米流体流动热方式的分子动力学模拟：球形势垒尺寸的影响，J Mol Liq，319，第114183页，（2020）
[45] 穆罕默德，E。；Fatemeh，P。；Najah，A.A。；阿拉巴马州莫萨维。；Ahmed，El-S，使用混合人工神经网络预测蒸发的包容性多重模型，《前沿环境科学》，V9（2022），DOI
[46] Shamshirband，S。；Mosavi，A。；Rabczuk，T。；Nabipour，N。；周，K.-。，有效波高预测；嵌套网格数值模型与人工神经网络机器学习模型的比较，极限学习和支持向量机，Eng-Appl-Compu Fluid Mech，14，1，805-817（2020）
[47] Wang，L.P。；马丁内斯·T·J。；Pande，V.S.，《支持信息：构建兵力场——一种自动、系统和可复制的方法》，J.Phys。化学。莱特。，5, 11, 1885-1891 (2014)
[48] Plimpton，S.，《短程分子动力学快速并行算法》，《计算物理杂志》，117，1，1-19（1995）·Zbl 0830.65120号
[49] Dehghan Manshadi，M。；加塞米，M。；穆萨维，S.M。；Mosavi，A.H。；Kovacs，L.，使用长短期记忆的深度学习方法预测涡旋无叶风力涡轮机的参数，Energies，14，16，4867（2021）
[50] Ardabili，S。；Mosavi，A。；Várkonyi-Kóczy，A.R.，《生物燃料研究中深度学习和机器学习模型的系统综述》（2019年全球研究与教育国际会议论文集，施普林格），19-32
[51] 艾哈迈德·H·U。；穆罕默德，A.A。；拉菲克，S。；穆罕默德，A.S。；Mosavi，A。；Sor，N.H。；Qaidi，S.M.，《可持续地质聚合物混凝土复合材料的抗压强度：最新综述》，《可持续性》，第13、24、13502页（2021年）
[52] Safdari Shadloo，M.，通过晶格玻尔兹曼方法对可压缩流动进行数值模拟，Numer Heat Transf Part A Appl，75，3167-182（2019）
[53] Hoppe，J.B.，褪黑素可减轻器官型培养中淀粉样β的神经毒性：GSK-3β、tau和神经炎的参与，松果研究杂志，48，3，230-238（2010）
[54] Sadeghi，R。；沙德鲁，M.S。；Hopp-Hirschler，M。；哈贾德，A。；Nieken，U.，多孔介质中高密度比两相流的三维格子Boltzmann模拟，计算数学应用，75，7，2445-2465（2018）·Zbl 1409.76117号
[55] Kalbasi，R。；Jahangiri，M。；Mosavi，A。；德希里，S.J.H。；Dehshiri，S.S.H。；易卜拉希米，S。；埃特扎迪，Z.A.S。；Karimipour，A.，《寻找比利时使用住宅规模太阳能供暖的最佳电站，考虑所有系统损失的一年动态模拟：使用ETSW的经济分析》，《可持续能源技术评估》，第45期，第101097条，pp.（2021）
[56] 穆萨维，S.M。；加西米，M。；Dehghan Manshadi，M。；Mosavi，A.，《利用长短期记忆进行波浪能转换器建模的深度学习》，《数学》，9，8，871（2021）
此参考列表基于出版商或数字数学图书馆提供的信息。其项与zbMATH标识符进行启发式匹配，可能包含数据转换错误。在某些情况下，zbMATH Open的数据对这些数据进行了补充/增强。这试图尽可能准确地反映原始论文中列出的参考文献，而不要求完整或完全匹配。