当前课程知识点：Computer-Aided Drug Design > Chapter four: Comprehensive case analysis > 4.1 Comprehensive case I > 4.1.1 Comprehensive case I-Homology modeling
返回《Computer-Aided Drug Design》慕课在线视频课程列表
返回《Computer-Aided Drug Design》慕课在线视频列表
同学们
大家好
今天我们将在之前基础操作的基础上
结合计算机辅助药物设计相关实例
和大家探讨一下
计算机辅助药物设计在药物研发中的作用
以及相关的实际操作
首先我们来看第一个实例
即新型DDR1和DDR2双重抑制剂的设计合成
和生物学评价
盘状蛋白域受体(DDRs)是20世纪90年代初发现的
跨膜受体酪氨酸激酶(RTK)超家族成员
其可分为两种类型
DDR1和DDR2
它是炎症-细胞因子分泌的关键介质
参与细胞形态发生
分化
增殖
粘附
迁移和侵袭的调节
同时DDR2的激活也会增加IL12
肿瘤坏死因子α
和干扰素γ
等细胞因子的产生
因此
DDR1和DDR2的双重抑制
可能是抗炎药物发现的有希望的策略
迄今虽然已报道了许多DDR1和DDR2抑制剂
然而
大多数这些分子具有相对低的靶特异性
例如
除DDR1和-2外
抑制剂1和2也显示出对Abl
和c-Kit以及Src的强抑制
达沙替尼
表现出强DDR1-和DDR2- 抑制活性
但DDR1和DDR2都不是他们的主要目标
因此在本研究
我们设计和合成了新的
选择性DDR1和-2双重抑制剂
在LPS诱导的急性肺损伤
小鼠模型中具有有希望的体内治疗效果
本研究的主要技术路线如下
那么首先我们要准备
DDR1和DDR2的抑制剂的数据库
那么接下来
对它的受体结构进行一个优化和准备
利用对接法探讨其关键相互作用
在明确了关键相互作用的基础上
设计DDR1和DDR2的新型的抑制剂
那么把这些抑制剂合成出来
进而利用体内外的实验
去考察目标化合物的生物活性
结果显示
在DDR1/DDR2抑制剂数据库中
我们发现化合物4
是选择性DDR1抑制剂
看图
它有效抑制DDR1的激酶活性
IC50值为9.7nM
它还对DDR2表现出适度的抑制作用
IC50值为175 nM
但对395种非突变激酶
没有明显的抑制能力
鉴于其有希望的靶选择性
和突出的药代动力学性质
选择化合物4作为起始先导化合物
用于进一步的结构修饰
以实现DDR1和DDR2的选择性双重抑制
鉴于DDR2在其激酶结构域中
与DDR1存在约57％的序列同一性
因此本研究进一步利用同源模建
加对接的方法分析了DDR1/DDR2抑制剂
与其受体的关键相互作用
结果如图所示
我们首先在DDR1晶体结构
的基础上产生DDR2的同源模型
以提供抑制剂优化的初始结构基础
对接结果表明
化合物4可以与DDR1和DDR2的非活性构型
结合并具有相似的结合模式
该抑制剂与DDR1的Met704
Glu672和Asp784残基形成四个氢键
然而
化合物4由于其不适当的取向
而未能与DDR2的
相应Met95形成氢键相互作用
进一步的研究还表明
4号化合物的吡唑并嘧啶结构
和Tyr94和Met95
的铰链残基之间
潜在的立体异位
可能导致其对DDR2的效力显着降低
这些初步的计算分析表明
用替代的铰链结合杂环取代
吡唑并嘧啶部分可能是实现
对DDR1和DDR2的双重抑制的可行策略
因此首先设计并合成具有嘧啶部分的化合物5a
以显示出与抑制剂4
的DDR1和DDR2类似的抑制效力
据预测
在5a的2-位引入氢键供体基团
可能潜在地捕获与DDR2蛋白的
Met95残基进行额外的氢键相互作用
以改善其激酶抑制效力
因此我们进一步设计合成了5b和5c
5b和5c衍生物
均显示出改善的DDR2抑制效力
IC50值分别为45.3和83.1nM
尽管化合物5b和5c
对DDR1和DDR2表现出良好的抑制效力
但它们对抗Abl1几乎同样有效
缺乏靶标特异性
使得这些化合物
对进一步研究的吸引力大大降低
因此继续设计合成了e-i
虽然5e 5g 5f
显着降低了对DDR1和DDR2的激酶抑制效力
但5h和5i的取代衍生物
对DDR1和DDR2激酶
表现出强烈的抑制作用
IC50值分别为16.0和94.2 nM
和7.9和34.1nM
因此在化合物5h和5i的结果支持下
进一步利用构象约束策略
设计和合成双环衍生物
5j-5l
结果表明
环化显着提高了它们对DDR1和DDR2的效力
化合物5j-5L抑制DDR2的激酶活性
IC50值分别为7.0
13.1和10.4nM
化合物还显示出对DDR1的强烈抑制作用
IC50值分别为3.2
3.9和6.2nM
因此
化合物5j代表这些衍生物中
针对DDR1和DDR2的最有效的双重抑制剂之一
那么将进一步的对它进行研究
对接结果显示
化合物5j中的咪唑并吡嗪基团
可以很好地适应DDR1和DDR2的铰链区
分别与Met704和Met95形成氢键相互作用
但是
化合物5j也强烈抑制Abl1的激酶活性
IC50值为9.4nM
因此
进行进一步的结构优化
以改善抑制剂的目标选择性
构效关系结果提示
优化化合物5j中的乙基
可以减少Abl1抑制
因此
基于该假设设计并合成化合物5m-5p
结果表明
乙基部分确实对抗Abl1的抑制效力具有显着影响
当5j中的乙基被甲基取代基取代时
所得化合物5m显示出
对抗Abl1的效力提高24倍
IC50值为0.4nM
但该修饰几乎不影响DDR1和DDR2抑制
那么异丙基衍生物5n
显示出显着降低的Abl1抑制效力
IC50值为494nM
而它保留了对DDR1和DDR2的强抑制
IC50值分别为9.4和20.4nM
化合物5n代表Abl1上
最具选择性的DDR1-DDR2双重抑制剂之一
同时对接结果证实
5n很好地适合于DDR1的ATP结合位点
其具有与5j的对接模型
预测的类似的结合模式
观察到5n的咪唑并吡嗪部分
与铰链区中的Met704形成必需的氢键
在酰胺和Glu672和
Asp784之间
也形成了两个额外的氢键
而异丙基很好地进入由残基Val624
Ala653
Lys655和Met699形成的疏水口袋中
进一步利用体内外试验
验证化合物5n确实是最具选择性的
DDR1-DDR2双重抑制剂之一
具有较好的体内外生物活性
那么实验包括
酶动力学试验
体外分子生物学试验
体外细胞水平试验
以及体内小鼠模型实验
好
那么针对该实例的讲解介绍
那么到此为止
下一步我们将来看一看
如何在实操中重现这一个案例
谢谢大家
-1.1 CADD-Where am I coming from？
--1.1 CADD-Where am I coming from？
-1.2 CADD-My Value
-1.3 CADD-Application of CADD in the School of Pharmacy
--1.3 CADD-Application of CADD in the School of Pharmacy
-1.4 CADD-Friendship with undergraduates
--1.4 CADD-Friendship with undergraduates
-Unit test 1
-2.1 The mystery of drug structure
--2.1 The mystery of drug structure
-2.2 Drug activity decryption-receptors and ligands
--2.2 Drug activity decryption-receptors and ligands
-2.3 The magical journey of drug discovery
--2.3 The magical journey of drug discovery
-Unit test 2
-3.1 Brief introduction of CADD's main methods
--3.1 Brief introduction of CADD's main methods
-3.2 QSAR
--3.2.1 The quantitative structure-activity relationship theory
--3.2.2 The quantitative structure-activity relationship methodology（1）
--3.2.3 The quantitative structure-activity relationship methodology（2）
--3.2.4 The quantitative structure-activity relationship methodology（3）
--3.2.5 The operation of quantitative structure-activity relationship （1）
--3.2.6 The operation of quantitative structure-activity relationship （2）
--3.2.7 The operation of quantitative structure-activity relationship （3）
-3.3 Molecular docking
--3.3.1 The molecular docking theory
--3.3.2 The molecular docking methodology
--3.3.3 The operation of molecular docking（1）
--3.3.4 The operation of molecular docking（2）
--3.3.5 The operation of molecular docking（3）
-3.4 Pharmacophore
--3.4.1 The pharmacophore theory
--3.4.2 The pharmacophore methodology
--3.4.3 The operation of pharmacophore（1）
--3.4.4 The operation of pharmacophore（2）
--3.4.5 The operation of pharmacophore（3）
--3.4.6 The operation of pharmacophore（4）
-3.5 Homology modeling
--3.5.1 The homology modeling theory
--3.5.2 The homology modeling methodology（1）
--3.5.3 The homology modeling methodology（2）
--3.5.4 The operation of homology modeling（1）
--3.5.5 The operation of homology modeling（2）
--3.5.6 The operation of homology modeling（3）
--3.5.7 The operation of homology modeling（4）
--3.5.8 The operation of homology modeling（5）
-Unit test 3
-4.1 Comprehensive case I
--4.1.1 Comprehensive case I-Homology modeling
--4.1.2 Comprehensive case I-Operation
-4.2 Comprehensive case II
--4.2.1 Comprehensive case II –QSAR
--4.2.2 Comprehensive case II -Operation
-4.3 Comprehensive case III
--4.3.1 Comprehensive case III -3D-QSAR and molecular docking
--4.3.2 Comprehensive case III -Operation（1）
--4.3.3 Comprehensive case III -Operation（2）
-4.4 Comprehensive case IV
--4.4.1 Comprehensive case IV -Pharmacophore
--4.4.2 Comprehensive case IV-Parameter explanation
--4.4.3 Comprehensive case IV -Operation
--4.4.4 Comprehensive case IV -Analysis and interpretation
-Unit test 4
