QSAR, molecular docking, and pharmacokinetic analysis of thiosemicarbazone-indole compounds targeting prostate cancer cells

الملخص: أهداف البحث: بحلول عام 2030، من المتوقع أن يتسبب سرطان البروستاتا في 1.7 مليون حالة جديدة و499 ألف حالة وفاة. أهداف هذا البحث هي إنشاء نموذج يربط بين تصرفات ثيوسيميكاربازون-إندول كعامل مضاد للسرطان ضد خط خلايا بي سي 3، وإجراء تحليل الالتحام بين المركبات والإنزيم المستهدف، والتنبؤ بالحركية الدوائية والتشابه الدوائي للمركبات قيد التحقيق. طريقة البحث: استخدمت الطريقة العلاقة الكمية بين البنية والنشاط لبناء النموذج، وأجرت الالتحام الجزيئي بين المركبات والإنزيم المستهدف، وفحصت تشابهها مع الأدوية وتحليل الحرائك الدوائية للمركبات المثبطة. النتائج: تم استخدام منهج الانحدار متعدد الخطوط لخوارزمية الوظيفة الجينية في بناء نموذج العلاقة بين الهيكل الكمي والنشاط. المعلمات التالية من نموذج البناء الأول، كأفضل، آر2 (معامل التحديد) = 0.972517، ''رادج'' (المعدل آر- التربيعي) = 0.964665، ''سي آر بي 2'' = 0,780922، و ''إل أو إف'' (التحقق من صحة التقاطع لمرة واحدة) = 0.076524، ظهر بقوة على الواصفات الجزيئية. كانت ''إس إتش بي دي'' و ''إس إس سي إتش 3'' و ''جاي جي آي 2'' و ''أر دي إف 60 بي'' تعتمد بشكل كبير على النشاط التكاثري. تتمتع المركبات ذات المعرفين 7 و22 بالقدرة على العمل كمثبطات لمستقبلات الأندروجين، كما اقترحت دراسات الالتحام الجزيئي بين الأدوية والإنزيمات المستهدفة. تظهر المركبات ذات المعرفين 7 و22 قيد التحقيق درجات ربط تبلغ -8.5 سعرة حرارية/مول و-8.8 سعرة حرارية/مول، على التوالي. كانت الجزيئات ذات المعرفين 7 و22 ضمن الحد الأقصى المقبول لجزيئات الدواء لتكون متاحة بيولوجيا عن طريق الفم. الاستنتاجات: يقدم هذا البحث رؤى قيمة حول العلاقة بين الواصفات الجزيئية والمثبطات المحتملة والخصائص الدوائية في علاج بي سي 3. تساهم هذه النتائج في فهم الخيارات العلاجية الجديدة لمرضى سرطان البروستاتا وتطويرها المحتمل. Abstract: Objectives: By 2030, prostate cancer is estimated to account for 1.7 million new cases and 499,000 deaths. The objectives of this research were to create a model revealing the activity of thiosemicarbazone-indole compounds as anticancer agents against the PC3 cell line; perform docking analysis between the compounds and the target enzyme; and predict the pharmacokinetics and drug-likeness of the compounds under investigation. Methods: The quantitative structureactivity relationship (QSAR) method was used to build the model; molecular docking between the compounds and the target enzyme was performed; and the drug-likeness and pharmacokinetics of the inhibiting compounds was examined. Results: The genetic function algorithm-multilinear regression approach was used for building the QSAR model. Build model 1 had the best performance, with R2 (coefficient of determination) = 0.972517, Radj (adjusted R-squared) = 0.964665, (CRp2) = 0.780922, and LOF (leave-one-out cross-validation) = 0.076524, demonstrated strongly indicated by the molecular descriptors. SHBd, SsCH3, JGI2, and RDF60P were highly dependent on proliferative activity. Compounds ID 7 and 22 had the potential to act as androgen receptor inhibitors, as suggested by molecular docking studies between the drugs and their target enzymes. Compounds ID 7 and 22 exhibited binding scores of −8.5 kcal/mol and −8.8 kcal/mol, respectively. The approved maximum medication molecules for oral bioavailability included the molecules with IDs 7 and 22. Conclusion: This research provides valuable insights into the relationships among molecular descriptors, potential inhibitors, and pharmacokinetic properties in the treatment of PC3. These findings may contribute to the understanding and potential development of new therapeutic options for prostate cancer patients.