Studying the hypolypidemic activity of flavonoids and isoflavonoids of the Ononis arvensis L. Methods by in silico

Cover Page

Cite item

Full Text

Open Access Open Access
Restricted Access Access granted
Restricted Access Subscription Access

Abstract

Introduction. Today, one of the reliably known causes of mortality in the Russian Federation is diseases of the cardiovascular system, a significant part of which is associated with atherosclerotic disease. Combination therapy for diseases of the cardiovascular system includes, among other things, the use of modern lipid-lowering drugs, the use of which is often limited due to their pronounced side effects. In this regard, it seemed appropriate to search for new compounds of natural origin that potentially have lipid-lowering activity with minimal side effects. According to the scientific literature, natural phenolic compounds, namely substances from the group of flavonoids and isoflavonoids, have a set of such characteristics. In this regard, steelgrass (Ononis arvensis L.), the chemical composition of which is extremely rich and diverse in terms of flavonoids and isoflavonoids, can be a rather promising source for searching and screening compounds with a given activity.

The aim of the study. The purpose of the work was to study and predict the hypolipidemic activity of flavonoids and isoflavonoids of Ononis arvensis L. using in silico methods.

Material and methods. The objects of the study were the structural formulas of flavonoids and isoflavonoids of field steelhead. Calculation of molecular properties was carried out using the Molinspiration chemoinformatic software. Computer prediction of lipid-lowering activity was carried out using the PASS-online service. Molecular docking was performed using the CB-Dock2 services for blind docking and Webina 1.0.5 for active site docking. Hepatotoxicity, mutagenicity and cytotoxicity of the analyzed biologically active substances were studied using the ProTox-II resource.

Results. As a result of in silico studies, it was found that most of the studied flavonoids and isoflavonoids correspond to the Lipinski rule and the drug-likeness concept. In addition, for all studied biologically active substances, activities associated with a decrease in lipid fractions in the body were predicted. The results of molecular docking indicate that all analyzed compounds are capable of potentially inhibiting the enzyme HMG-CoA reductase, which makes it possible to predict the required lipid-lowering effect. Studying the toxicity of the research objects, most of them in silico demonstrated a high level of safety.

Conclusions. The prospects for further research on the development of targeted technology for obtaining herbal preparations from steelhead, enriched with flavonoids and isoflavonoids, as well as subsequent tests to confirm hypolipidemic activity in in vitro and in vivo experiments are shown.

About the authors

N. А. Davitavyan

Kuban State Medical University

Author for correspondence.
Email: pharmdep@ksma.ru

Ph.D. (Pharm.), Associate Professor, Associate Professor of the Pharmaceutics Department

Russian Federation, Krasnodar

Е. B. Nikiforova

Kuban State Medical University

Email: pharmdep@ksma.ru

Ph.D. (Pharm.), Associate Professor, Head of the Pharmaceutics Department

Russian Federation, Krasnodar

Y. А. Pogulyay

Kuban State Medical University

Email: pharmdep@ksma.ru

Student, the Pharmaceutics Department

Russian Federation, Krasnodar

М. R. Khochava

Kuban State Medical University

Email: pharmdep@ksma.ru

Ph.D. (Pharm.), Associate Professor, Associate Professor of the Pharmaceutics Department

Russian Federation, Krasnodar

P. G. Mizina

All-Russian Scientific Research Institute of Medicinal and Aromatic Plants

Email: mizina-pg@yandex.ru

Dr.Sc. (Pharm.), Professor, Adviser

Russian Federation, Moscow

G. V. Adamov

All-Russian Scientific Research Institute of Medicinal and Aromatic Plants

Email: grig.adamov@mail.ru

Ph.D. (Pharm.), Liding Research Scientist, Department of Chemistry of Natural Compounds

Russian Federation, Moscow

References

  1. Number of deaths by main classes of causes of death. Federal State Statistics Service: website. URL: https://rosstat.gov.ru/ (access date: 12/15/2023).
  2. Yao Y.S., Li T.D., Zeng Z.H. Mechanisms underlying direct actions of hyperlipidemia on myocardium: an updated review. Lipids in Health and Disease. 2020; 19(1): 1–6.
  3. Reiner Z., Catapano A.L., Backer G.D. et al. The Task Force for the management of dyslipidaemias of the European Society of Cardiology (ESC) and the European Atherosclerosis Society (EAS). ESC/EAS Guidelines for the management of dyslipidaemias. Eur Heart J. 2011; 32(14): 1769–1818.
  4. Balakumar P., Babbar L. Preconditioning the hyperlipidemic myocardium: fact or fantasy? Cellular Signaling. 2012; 24(3): 589–595.
  5. State register of medicines: website. URL: https://grls.minzdrav.gov.ru (access date: 12/15/2023).
  6. Taechalertpaisarn J., Zhao B., Liang X. et al. Small molecule inhibitors of the PCSK9·LDLR interaction. Journal of the American Chemical Society. 2018; 140(9): 3242–3249.
  7. Attardo S., Musumeci O., Velardo D. et al. Statins neuromuscular adverse effects. International journal of molecular sciences. 2022; 23(15): 8364.
  8. Sgro C., Escousse A. Side effects of fibrates (except liver and muscle). Therapie. 1991; 46(5): 351–354.
  9. Steiner A., Weisser B., Vetter W. A comparative review of the adverse effects of treatments for hyperlipidaemia. Drug Safety. 1991; 6:118–113.
  10. Gampe N., Darcsi A., Nedves A.N. et al. Phytochemical analysis of Ononis arvensis L. by liquid chromatography coupled with mass spectrometry. Journal of Mass Spectrometry. 2018; 54 (2): 1–30.
  11. Denes T., Papp N., Marton K. et al. Polyphenol content of Ononis arvensis L. and Rhinanthus serotinus oborny used in the Transylvanian ethnomedicine. International journal of pharmacognosy and phytochemistry. 2015; 30(1): 1301–1307.
  12. Tulaikin A.I., Yakovlev G.P. Study of the chemical composition of the field steel grass. Pharmacy. 2007; 2: 10–11.
  13. Davitavyan N. A., Sampiev A. M. Current state and prospects for further research of the field steelhead Ononis arvensis L. (review). Kuban Scientific Medical Bulletin. 2005; 3-4: 38.
  14. Ong S.K.L., Shanmugam M.K., Fan L. et al. Focus on formononetin: anticancer potential and molecular targets. Cancers. 2019; 11(5): 611.
  15. Hernández-Aquino E., Muriel P. Beneficial effects of naringenin in liver diseases: Molecular mechanisms. World journal of gastroenterology. 2018; 24(16): 1679.
  16. Islam A., Islam M. S., Rahman M.K. et al. Thelogical pharmaco and biological roles of eriodictyol. Archives of pharmacal research. 2020; 43: 582–592.
  17. Sun M.Y., Ye Y., Xiao L. et al. Daidzein: A review of pharmacological effects. African journal of traditional, complementary and alternative medicines. 2016; 13(3): 117–132.
  18. Kim S., Thiessen P. A., Cheng T. et al. PUG-View: programmatic access to chemical annotations integrated in PubChem. J. Cheminform. 2019; 11(1): 56.
  19. Hadda T.B., Rastija V., AlMalki F. et al. Petra/Osiris/Molinspiration and molecular docking analyzes of 3-hydroxy-indolin-2-one derivatives as potential antiviral agents. Current Computer-Aided Drug Design. 2021; 17(1): 123–133.
  20. Filimonov D.A., Druzhilovsky D.S., Lagunin A.A. et al. Computer prediction of the spectra of biological activity of chemical compounds: possibilities and limitations. Biomedical Chemistry: Research and Methods. 2018; 1(1): e00004.
  21. Filz O.A., Lagunin A.A., Filimonov D.A. et al. In silico fragment-based drug design using PASS approach. SAR & QSAR in Environmental Research. 2012; 23(3-4): 279–296.
  22. Berman H.M., Westbrook J., Feng Z. et al. The protein data bank. Nucleic acids research. 2000; 28(1): 235–242.
  23. Liu Y., Yang X., Gan J. et al. CB-Dock2: Improved protein–ligand blind docking by integrating cavity detection, docking and homologous template fitting. Nucleic acids research. 2022; 50(W1): W159–W164.
  24. Trott O., Olson A.J. AutoDock Vina: improving the speed and accuracy of docking with a new scoring function, efficient optimization, and multithreading. Journal of computational chemistry. 2010; 31(2): 455–461.
  25. Kochnev Y., Hellemann E., Cassidy K. et al. Webina: an open-source library and web app that runs AutoDock Vina entirely in the web browser. Bioinformatics. 2020; 36(16): 4513–4515.
  26. Sanner M.F. Python: a programming language for software integration and development. J Mol Graph Model. 1999; 17(1): 57–61.
  27. Wei G. A.I., Zhang Y., Ai L. et al. Screening of HMG-CoA reductase inhibitors from composite Salvia miltiorrhiza using AutoDock. Chinese Journal of Natural Medicines. 2010; 8(1): 51–56.
  28. Banerjee P., Eckert A. O., Schrey A. K. et al. ProTox-II: a webserver for the prediction of toxicity of chemicals. Nucleic acids research. 2018; 46(W1): W257–W263.
  29. Lipinski S.A. Lead-and drug-like compounds: the rule-of-five revolution. Drug discovery today: Technologies. 2004; 1(4): 337–341.
  30. Istvan E. S., Deisenhofer J. Structural mechanism for statin inhibition of HMG-CoA reductase. Science. 2001; 292(5519): 1160–1164.
  31. Istvan E.S., Palnitkar M., Buchanan S.K. et al. Crystal structure of the catalytic portion of human HMG-CoA reductase: insights into regulation of activity and catalysis. The EMBO journal. 2000; 19(5): 819–830.
  32. da Costa R.F., Freire V.N., Bezerra E.M. et al. Explaining statin inhibition effectiveness of HMG-CoA reductase by quantum biochemistry computations. Physical Chemistry Chemical Physics. 2012; 14(4): 1389–1398.

Supplementary files

Supplementary Files
Action
1. JATS XML
Download
2. Fig. 1. Schematic representation of the proposed interaction of trifolirizine with the active center of HMG-CoA reductase: A – The docking position; B – Interaction with amino acid residues

Download (212KB)
Indexing metadata
3. Fig. 2. Schematic representation of the proposed interaction of ononin with the active center of HMG-CoA reductase: A - Docking position; B – Interaction with amino acid residues

Download (520KB)
Indexing metadata
4. Fig. 3. Schematic representation of the proposed interaction of rosuvastatin with the active center of HMG-CoA reductase: A – Docking position; B - Interaction with amino acid residues

Download (521KB)
Indexing metadata

Согласие на обработку персональных данных с помощью сервиса «Яндекс.Метрика»

1. Я (далее – «Пользователь» или «Субъект персональных данных»), осуществляя использование сайта https://journals.rcsi.science/ (далее – «Сайт»), подтверждая свою полную дееспособность даю согласие на обработку персональных данных с использованием средств автоматизации Оператору - федеральному государственному бюджетному учреждению «Российский центр научной информации» (РЦНИ), далее – «Оператор», расположенному по адресу: 119991, г. Москва, Ленинский просп., д.32А, со следующими условиями.

2. Категории обрабатываемых данных: файлы «cookies» (куки-файлы). Файлы «cookie» – это небольшой текстовый файл, который веб-сервер может хранить в браузере Пользователя. Данные файлы веб-сервер загружает на устройство Пользователя при посещении им Сайта. При каждом следующем посещении Пользователем Сайта «cookie» файлы отправляются на Сайт Оператора. Данные файлы позволяют Сайту распознавать устройство Пользователя. Содержимое такого файла может как относиться, так и не относиться к персональным данным, в зависимости от того, содержит ли такой файл персональные данные или содержит обезличенные технические данные.

3. Цель обработки персональных данных: анализ пользовательской активности с помощью сервиса «Яндекс.Метрика».

4. Категории субъектов персональных данных: все Пользователи Сайта, которые дали согласие на обработку файлов «cookie».

5. Способы обработки: сбор, запись, систематизация, накопление, хранение, уточнение (обновление, изменение), извлечение, использование, передача (доступ, предоставление), блокирование, удаление, уничтожение персональных данных.

6. Срок обработки и хранения: до получения от Субъекта персональных данных требования о прекращении обработки/отзыва согласия.

7. Способ отзыва: заявление об отзыве в письменном виде путём его направления на адрес электронной почты Оператора: info@rcsi.science или путем письменного обращения по юридическому адресу: 119991, г. Москва, Ленинский просп., д.32А

8. Субъект персональных данных вправе запретить своему оборудованию прием этих данных или ограничить прием этих данных. При отказе от получения таких данных или при ограничении приема данных некоторые функции Сайта могут работать некорректно. Субъект персональных данных обязуется сам настроить свое оборудование таким способом, чтобы оно обеспечивало адекватный его желаниям режим работы и уровень защиты данных файлов «cookie», Оператор не предоставляет технологических и правовых консультаций на темы подобного характера.

9. Порядок уничтожения персональных данных при достижении цели их обработки или при наступлении иных законных оснований определяется Оператором в соответствии с законодательством Российской Федерации.

10. Я согласен/согласна квалифицировать в качестве своей простой электронной подписи под настоящим Согласием и под Политикой обработки персональных данных выполнение мною следующего действия на сайте: https://journals.rcsi.science/ нажатие мною на интерфейсе с текстом: «Сайт использует сервис «Яндекс.Метрика» (который использует файлы «cookie») на элемент с текстом «Принять и продолжить».