Integrated computational approach for analyzing bioactive compounds in cardiovascular diseases [Articol]
Loading...
Date
Authors
Journal Title
Journal ISSN
Volume Title
Publisher
CEP USM
Abstract
We propose a step-by-step methodological approach for computational analysis of bioactive compounds in cardiovascular diseases (CVD) that integrates network medicine/systems biology, multi-omics integration, AI/ML, QSAR, molecular docking/AlphaFold 3, and chemogenomic resources. The workflow aligns with contemporary clinical stratification (HFrEF/HFmrEF/HFpEF; dyslipidemia; hypertension; coronary artery disease; pulmonary hypertension) and drug classes (statins/ezetimibe/PCSK9 inhibitors and siRNA; SGLT2 inhibitors; ARNI; vericiguat; targeted anti-inflammatories; ATTR-specific therapy). Projects under development include: virtual library, QSAR/early tox filters, target position/affinity (docking), including AlphaFold 3 complex prediction (AF3 for joint complex prediction), network proximity, multi-omics signature matching, prioritized hit list. Representative studies (2014–2025) are synthesized, the effects presented, and a methodological scheme for further research developed.
Propunem o abordare metodologică, pas cu pas, pentru analiza computațională a compușilor bioactivi în bolile cardiovasculare (BCV), care integrează medicina de rețea/biologia sistemelor, integrarea multi-omică, AI/ML, QSAR, docking molecular/AlphaFold 3 și resursele chemogenomice. Fluxul de lucru se aliniază cu stratificarea clinică contemporană (HFrEF/HFmrEF/HFpEF; dislipidemie; hipertensiune arterială; boală coronariană; hipertensiune pulmonară) și clasele de medicamente (statine/ezetimib/inhibitori PCSK9 și siRNA; inhibitori SGLT2; ARNI; vericiguat; antiinflamatoare țintite; terapie specifică ATTR). Proiectele aflate în dezvoltare includ: bibliotecă virtuală, filtre QSAR/early tox, poziție/afinitate țintă (docking), inclusiv predicție complexă AlphaFold 3 (AF3 pentru predicția complexului articular), proximitate de rețea, potrivire a semnăturilor multi-omice, listă de rezultate prioritizate. Sunt sintetizate studii reprezentative (2014–2025), prezentate efectele și elaborate o schemă metodologică pentru investigațiile ulterioare.
Propunem o abordare metodologică, pas cu pas, pentru analiza computațională a compușilor bioactivi în bolile cardiovasculare (BCV), care integrează medicina de rețea/biologia sistemelor, integrarea multi-omică, AI/ML, QSAR, docking molecular/AlphaFold 3 și resursele chemogenomice. Fluxul de lucru se aliniază cu stratificarea clinică contemporană (HFrEF/HFmrEF/HFpEF; dislipidemie; hipertensiune arterială; boală coronariană; hipertensiune pulmonară) și clasele de medicamente (statine/ezetimib/inhibitori PCSK9 și siRNA; inhibitori SGLT2; ARNI; vericiguat; antiinflamatoare țintite; terapie specifică ATTR). Proiectele aflate în dezvoltare includ: bibliotecă virtuală, filtre QSAR/early tox, poziție/afinitate țintă (docking), inclusiv predicție complexă AlphaFold 3 (AF3 pentru predicția complexului articular), proximitate de rețea, potrivire a semnăturilor multi-omice, listă de rezultate prioritizate. Sunt sintetizate studii reprezentative (2014–2025), prezentate efectele și elaborate o schemă metodologică pentru investigațiile ulterioare.
Description
Citation
ASLANOV, Rufat. Integrated computational approach for analyzing bioactive compounds in cardiovascular diseases. Studia Universitatis Moldaviae. Științe reale și ale naturii. 2025, nr.6(186), pp. 74-82. ISSN 1814-3237. Disponibil: https://doi.org/10.59295/sum6(186)2025_09