嘧啶衍生物类PI3K/mTOR双重抑制剂的3D-QSAR及分子对接研究

PI3K/Akt/mTOR信号通路在癌细胞的生长和增殖中异常激活,对PI3K和mTOR位点的抑制可有效阻断信号通路的传导,是药物设计的理想靶点.本文选择38个嘧啶类小分子抑制剂进行3D-QSAR和分子对接研究.采用比较分子力场分析(CoMFA)和比较分子相似性指数分析(CoMSIA)方法,建立了三维定量构效关系模型,结果表明,该模型具有良好的稳定性和预测能力,可运用分子对接研究小分子抑制剂与PI3K和mTOR蛋白受体的作用模式.通过对QSAR模型的三维等势图以及受体与配体的相互作用模式分析后,优化出10个小分子化合物并预测其活性,发现一些小分子化合物活性提高,这为PI3K/mTOR双重抑制剂的设计筛选提供了借鉴.     

Combretastatin A-4衍生物的设计、合成及抗乳腺肿瘤活性初探

Combretastatin A-4(CA-4)是一个天然的秋水仙碱结合位点的微管蛋白抑制剂,具有抗肿瘤活性。PI3K信号通路是细胞内重要的信号转导通路之一,也是癌细胞中常见的异常表达信号通路。微管蛋白抑制剂和信号通路激酶抑制剂均为抗肿瘤药物研发的热点。设计、筛选并合成了具有秋水仙碱和PI3K双靶点的CA-4衍生物。利用SBDD技术,采用活性基团协作的方法,对CA-4进行秋水仙碱和PI3K双靶点结构改造。结合CA-4的构效关系,保留A环及3个甲氧基,以羰基取代连接双键碳以保证顺式构型,苯并呋喃环取代B环,B环侧链引入卤素增效,依据结合活性自由能打分值筛选出9种靶点活性高的衍生物进行分子对接分析及可视化分析,并通过碘代、溴代、Rap-Stoermer偶联反应和Heck偶联反应合成目标化合物CA-4,其结构经¹H NMR、¹³C NMR和MS确证。活性测试结果表明：目标化合物对乳腺癌MCF-7和MDA-MB-231 2种肿瘤细胞具有抑制作用。     

天然产物针对Caspase-1的虚拟筛选研究

为了寻找靶向Caspase-1的活性化合物,本研究建立了四种机器学习分类模型(RF、SVM、ANN和VOTING)。这些模型根据不同的评估指标进行了比较,具有高曲线下面积(AUC)的最佳分类模型被用来对ZINC数据库中的天然产物进行虚拟筛选。随后通过不同的药物相似性规则对化合物的ADMET特性进行了过滤。此外,考虑到蛋白质与配体结合的实际情况,本文对每个选定的配体与Caspase-1进行了分子对接和相互作用分析。根据计算出的结合能进行排序,并筛选出3个潜在的抑制剂。     

新型吡啶苯磺酰胺联喹啉基异羟肟酸类PI3K/HDAC双靶点抑制剂的设计、合成和生物活性研究

多靶点药物已成为一种有广阔前景的药物,特别是对抗肿瘤药物的研发.基于候选药物GSK2126458和上市药物Vorinostat的结构特点,设计并合成了一系列新型的磷脂酰肌醇3-激酶(PI3Ks)和组蛋白脱乙酰酶(HDACs)双重抑制剂.生物活性研究发现,化合物GYB-4对PI3Kα和HDAC1的IC50分别为1.0和4.2nmol/L;化合物GYB-5对PI3Kα和HDAC1的IC50分别为1.3和4.8nmol/L.对所有化合物在HCT116,PC3和A2780细胞株上进行了增殖抑制活性研究,相关的构效关系研究将为PI3K和HDAC双靶点抑制剂的进一步优化提供思路.     

新型吡啶苯磺酰胺联喹啉基异羟肟酸类PI3K/HDAC双靶点抑制剂的设计、合成和生物活性研究（英文）

多靶点药物已成为一种有广阔前景的药物,特别是对抗肿瘤药物的研发.基于候选药物GSK2126458和上市药物Vorinostat的结构特点,设计并合成了一系列新型的磷脂酰肌醇3-激酶(PI3Ks)和组蛋白脱乙酰酶(HDACs)双重抑制剂.生物活性研究发现,化合物GYB-4对PI3Kα和HDAC1的IC50分别为1.0和4.2nmol/L;化合物GYB-5对PI3Kα和HDAC1的IC50分别为1.3和4.8nmol/L.对所有化合物在HCT116,PC3和A2780细胞株上进行了增殖抑制活性研究,相关的构效关系研究将为PI3K和HDAC双靶点抑制剂的进一步优化提供思路.     

R基团筛选技术用于吡啶杂环类mTOR抑制剂的分子设计研究

针对27个吡啶杂环类抑制剂采用Topomer COMFA方法进行了三维定量构效关系分析,新建模型的拟合、交互验证及外部验证的复相关系数分别为r2=0.982,q2=0.857,r2pred=0.829,结果表明模型具有良好的预测能力和可信度.采用基于R基团搜索Topomer Search技术对ZINC数据库进行R基团的虚拟筛选,获得了6个高活性的新抑制剂分子,其预测活性均优于训练集中活性最高分子.运用Surflex-dock分子对接法研究吡啶杂环类抑制剂与mTOR靶点的作用模式.研究结果表明,Topomer search可有效地用于分子设计,结合分子对接结果,新抑制剂分子为mTOR靶向药物设计提供参考.     

基于多靶点分子对接筛选金银花治疗非酒精性脂肪肝成分研究

整合多靶点分子对接和反向靶点预测技术探究金银花治疗非酒精性脂肪肝(NAFLD)物质基础及潜在机制。借助TCMSP、ETCM数据库并挖掘文献收集金银花成分,以PPARα、PPARδ及FXR受体为靶标,运用分子对接筛选金银花中活性化合物,反向靶点预测活性化合物潜在靶点,构建蛋白互作网络并进行生物功能和通路富集。11种金银花活性成分对3个靶标的亲和力高于阳性对照,野漆树苷与PPARα的结合能力最强,3,5-二-O-咖啡酰奎宁酸甲酯与PPARδ和FXR结合能力最强。初步获得金银花治疗NAFLD主要成分为黄酮类和酚酸类,其中野漆树苷、3,4-二-O-咖啡酰奎宁酸甲酯、3,5-二-O-咖啡酰奎宁酸甲酯、异绿原酸B发挥主要作用。筛选出的成分主要通过PI3K-Akt、MAPK和胰岛素信号通路特异地作用于肝、脂肪细胞和肝癌细胞发挥治疗NAFLD的作用。本研究基于多靶点分子对接技术筛选金银花治疗NAFLD活性成分,提示金银花酚酸类成分具有进一步开发成药物的潜力,为后续进一步研究开发治疗NAFLD的创新药物提供一定的理论基础。     

由3D-QSAR、分子对接和分子动力学模拟研究吲唑类化合物与PI3Kδ抑制剂的相互作用

磷酸肌醇3-激酶δ(PI3Kδ)参与慢性阻塞性肺疾病的炎性过程并且被鉴定为一个新的潜在治疗靶点。本文采用三维定量构效关系(3D-QSAR)、分子对接和分子动力学方法研究了47个吲唑类化合物与P13Kδ激酶的相互作用,并建立了相应的模型。其中,比较分子场分析(CoMFA)模型q~2=0.719,r~2=0.972;比较分子相似性指数分析(CoMSIA)模型q~2=0.649,r~2=0.983,表明所建的QSAR模型具有稳定可靠的预测能力。CoMFA和CoMSIA等势图形象地描述了不同的场效应对活性的影响,其中立体场、疏水场及氢键受体场对活性有较大的贡献。接着采用分子对接探索小分子化合物与P13Kδ的结合模式,结合模式显示吲唑类化合物主要通过氢键作用与疏水作用与P13Kδ紧密结合,并且通过分子动力学模拟进一步验证了对接结果。最后根据等势图、对接模式和分子动力学模拟获取的信息设计了8个化合物,研究表明它们均能与PI3Kδ较好结合。     

基于虚拟筛选方法从天然产物中发现TNF-α抑制剂

肿瘤坏死因子α(TNF-α)是治疗类风湿性疾病、克罗恩肠炎、银屑病等自身免疫性疾病的重要靶点.TNF-α与TNF-1受体(TNFR1)相互作用参与了这些疾病的病理过程.本次实验基于TNF-α活性位点结构特征构建药效团,利用该药效团对天然产物数据库进行筛选,通过Lipinski's规则和Veber规则判断化合物类药性,应...     

基于他克林的乙酰胆碱酯酶抑制剂的3D-QSAR研究及虚拟筛选

本文通过对58个他克林派生物乙酰胆碱酯酶抑制剂分子进行建模分析,研究其结构与活性的关系,并通过虚拟筛选方法获得一系列潜在AChE抑制剂双位点分子。首先将一系列他克林二联体化合物与AChE晶体结构对接,获得化合物的活性构象,以此进行建模分析,建立结构与活性之间的三维定量构效关系。所得模型CoMFA、CoMSIA、TopomerCoMFA的交叉验证系数分别为0.510、0.702、0.571,非交叉验证系数为0.998、0.988、0.794,测试集r_(pred)~2为0.750、0.742、0.766,所得模型具有良好的预测性,由此可以为设计高活性的新分子提供理论基础。然后,使用Topomer search对ZINC数据库中的125909分子进行虚拟筛选,得到891个具有潜在AChE抑制活性的分子。最后,对这891个分子进行分子对接,观察分子与晶体结构的结合情况,筛选得到66个具有高选择性的双位点AChE抑制剂分子。     

基于配体的组蛋白去乙酰化酶抑制剂的分子设计

本文采用Topomer Co MFA方法对39个组蛋白去乙酰化酶抑制剂进行了3D-QSAR研究,得到q~2=0. 877,r~2=0. 987的可靠模型。运用基于R基团搜索的Topomer Search技术对ZINC2015数据库进行了虚拟筛选,筛选出一批具有潜在活性的目标化合物,模型预测结果表明,筛选出的化合物活性比最初合成的化合物大幅度提高,其中筛选出的最高活性化合物S2-7(IC_(50)=0. 0235μmol·L~(-1))活性达到了最初合成的高活性化合物21(IC_(50)=0. 103μmol·L~(-1))的4倍。分子对接技术揭示了化合物结构和靶酶之间的联系,为更新型HDACIs的设计以及结构优化提供了重要信息和理论指导。     

新型哌啶-查尔酮类衍生物的设计、合成及抗宫颈癌和逆转顺铂耐药活性

本文采用活性亚结构拼接原理,设计并合成了15个新型含哌啶的查尔酮类衍生物,利用¹H NMR、¹³C NMR和HR-MS对结构进行表征,并初步评价了其抗宫颈癌和抗顺铂耐药宫颈癌活性作用。结果表明,化合物6g具有一定的抗肿瘤活性和逆转顺铂耐药作用;并采用Elisa法、联合顺铂用药、Western Blot和分子对接对化合物6g与VEGFR-2和P-gp靶点进行了初步的研究。本研究为基于VEGFR-2和P-gp双靶点新型分子靶向查尔酮类衍生物的设计提供了一条思路。     

烟酰胺类琥珀酸脱氢酶抑制剂的构效关系研究和虚拟筛选

琥珀酸脱氢酶作为真菌线粒体呼吸链的靶点已成为研究热点,本文采用Topomer CoMFA方法对52个训练集和10个测试集的琥珀酸脱氢酶抑制剂进行了3D-QSAR研究,得到q~2=0.724,r~2=0.859的可靠模型。运用Topomer Search技术对ZINC2015数据库中进行了虚拟筛选,得到了10个具有较高预测活性的苗头化合物。其中2-氯-N-(2-(3-甲基吡咯烷~(-1)-基)吡啶~(-3)-基)烟酰胺(化合物S09)具有最高的抑菌活性的。该模型具有较好的预测能力,能够为新型琥珀酸脱氢酶抑制剂的设计和结构修饰提供重要信息。     

拮抗状态下α1A, α1B和α1D-肾上腺素能受体的分子模拟研究

采用同源建模法对α1A-,α1B-和α1D-AR的三维结构进行了模拟,并采用分子力学、分子动力学方法对所得同源模型进行优化,然后分别采用训练集拮抗剂对接的方法得到拮抗状态下的α1A-,α1B-和α1D-AR三维结构模型.得到的模型再采用FRED对接软件对测试集中的18个化合物进行对接并打分,再将所得打分结果与其活性进行线性回归,其回归结果具有良好的拟合效果,由此回归方程预测的活性与化合物实验值较吻合,说明我们建立的拮抗状态下的α1A-,α1B-和α1D-AR的三维同源模型具有一定的合理性,可作为化合物虚拟筛选模型,对新化合物进行对接虚拟筛选.     

拮抗状态下α1A,α1B和α1D-肾上腺素能受体的分子模拟研究

采用同源建模法对α1A-,α1B-和α1D-AR的三维结构进行了模拟,并采用分子力学、分子动力学方法对所得同源模型进行优化,然后分别采用训练集拮抗剂对接的方法得到拮抗状态下的α1A-,α1B-和α1D-AR三维结构模型.得到的模型再采用FRED对接软件对测试集中的18个化合物进行对接并打分,再将所得打分结果与其活性进行线性回归,其回归结果具有良好的拟合效果,由此回归方程预测的活性与化合物实验值较吻合,说明我们建立的拮抗状态下的α1A-,α1B-和α1D-AR的三维同源模型具有一定的合理性,可作为化合物虚拟筛选模型,对新化合物进行对接虚拟筛选.     

α-咔啉类GSK-3β抑制剂的合成、活性评价和分子对接研究

糖原合成酶激酶3β(GSK-3β)是神经退化性疾病如早老性痴呆、II型糖尿病、癌症等多种重复杂性疾病的药物靶标,α-咔啉类化合物具有多种生物活性.以GSK-3β为作用靶点,利用Graebe-Ullmann反应合成了α-咔啉,并采用Buchwald-Hartwig偶联反应合成了9个4位取代的α-咔啉胺类衍生物.体外的GSK-3β激酶酶抑制活性测试表明其中4个化合物具有一定的抑制活性,其中化合物3c的IC50值达到了5.1μmol L-1.同时采用了分子对接方法分别研究了化合物2,3c与大分子蛋白的作用模式,初步探讨了影响抑制活性的原因,为进一步的研究提供了依据.     

基于Topomer CoMFA方法的喹诺酮羧酸类衍生物的QSAR研究及分子设计

采用基于R基团搜索技术的Topomer Co MFA技术对一系列喹诺酮羧酸类衍生物进行三维定量构效(3D-QSAR)关系研究,所得模型结果的交叉验证相关系数(q2)为0.790,非交互验证系数(r2)为0.890,外部验证的复相关系数(r2pred)为0.878,研究结果表明该模型具有良好的稳定性和预测能力。采用Topomer search技术在ZINC数据库中进行虚拟筛选,筛选出6个Ra基团和3个Rb基团,进而设计出12个具有更高活性的新型喹诺酮羧酸类化合物。采用分子对接技术对药物与受体的作用机制进行了研究,结果显示,药物与蛋白酶的ASP 30、ASP 29和ASN 25位点作用明显,该QSAR的研究结果可为新药合成提供理论参考。     

基于气相色谱-质谱和网络药理学探讨紫斑罂粟壳挥发油镇咳祛痰平喘的作用机制

为研究紫斑罂粟壳挥发油镇咳化痰平喘的活性成分及作用机制,采用气相色谱-质谱（GC-MS)联用法分析罂粟壳挥发油成分,并结合Pubchem和Swiss Target Prediction数据库筛选活性成分靶点. 其中,在GeneCards数据库中检索镇咳、祛痰、平喘相关的靶点,利用在线Venn取交集基因,Cytoscap 3.7.1软件构建成分-靶点-疾病网络图筛选关键成分,String数据库构建蛋白互作网络筛选核心作用靶点,DAVID数据库进行GO功能和KEGG通路富集分析. 结果表明,GC-MS鉴别出紫斑罂粟壳挥发油中28个化学成分,虚拟筛选获得20个活性成分对应的259个靶点. 网络药理学预测紫斑罂粟壳挥发油通过肿瘤坏死因子（TNF）、磷酸化蛋白激酶（AKT1）、SRC蛋白激酶（SRC）、表皮生长因子受体（EGFR）和丝裂原活化蛋白激酶 1（MAPK1）等关键靶点,进而协同调控肿瘤通路,神经配体-受体相互作用、PI3K-Akt信号通路等多条信号通路发挥镇咳祛痰、平喘的治疗作用. 研究为后续试验研究罂粟壳挥发油的药效物质及作用机制提供参考.     

人类蛋白激酶组的多靶点分子对接系统

蛋白激酶在信号转导、基因转录和蛋白翻译等生物过程起关键性作用,因而与大量人类疾病密切相关。所以,蛋白激酶的抑制剂筛选是抗肿瘤药物开发的热点,正在向基于全激酶组的高通量多靶点筛选模式发展。为了降低大规模实验筛选的成本,提高成功率,本文构建人类蛋白激酶组的多靶点分子对接系统,对抑制剂-激酶组的相互作用进行预测。我们首先利用同源模建方法,对人类激酶组约500个激酶变异体的催化域进行结构建模;接着以催化域结构模型为受体,用已知激酶抑制剂进行分子对接,对抑制剂与各激酶变异体的结合亲和力进行了定量计算。结果显示,本文所建立的多靶点分子对接系统可以准确预测抑制剂与激酶变异体的相互作用,结合自由能的计算值与实验值有很强的相关性。所以,该分子对接系统可用于多靶点激酶抑制剂的计算筛选,为激酶抑制剂开发与抗肿瘤药物设计提供理论依据。     

拮抗状态下α1A1，α1B和α1D-肾上腺素能受体的分子模拟研究

采用同源建模法对α1A1，α1B和α1D-的三维结构进行了模拟，并采用分子力学、分子动力学方法对所得同源模型进行优化，然后分别采用训练集拮抗剂对接的方法得到拮抗状态下的α1A1，α1B和α1D-三维结构模型．得到的模型再采用FRED对接软件对测试集中的18个化合物进行对接并打分，再将所得打分结果与其活性进行线性回归，其回归结果具有良好的拟合效果，由此回归方程预测的活性与化合物实验值较吻合，说明我们建立的拮抗状态下的α1A1，α1B和α1D-的三维同源模型具有一定的合理性，可作为化合物虚拟筛选模型，对新化合物进行对接虚拟筛选．