论文部分内容阅读
研究目的:恶性肿瘤是全球范围内威胁人类生命健康的一大危险因素。肿瘤在人体中的发生和发展是一个综合的过程,涉及到肿瘤细胞与机体免疫系统间的相互作用。随着肿瘤学、免疫学以及分子生物学等相关学科的发展和交叉渗透,肿瘤治疗在传统的手术、化疗放疗的基础上发展出其他的治疗方式,其中肿瘤免疫治疗的发展尤为突出。肿瘤免疫治疗包含了免疫检查点抑制剂,其中包括了 PD-1/PD-L1轴抑制剂。PD-1/PD-L1轴抑制剂可通过阻断PD-1通路,重新激活免疫细胞(尤其是T细胞)对肿瘤细胞的识别和杀伤。近期,PD-1/PD-L1轴抑制剂在黑色素瘤、肺癌、膀胱癌,以及一些高突变的恶性肿瘤的治疗中取得了喜人效果。十余PD-1/PD-L1轴抑制性单抗在临床研究中,然而,这些单抗抑制剂药物价格昂贵、不能口服、在肿瘤内部的穿透力弱,患者容易出现腹泻、胸膜炎、肝功能损伤等副作用;因此,寻找和筛选出具有较好活性、低毒、高效的小分子抑制剂具有广阔的研究空间和应用前景。中国中草药是一个天然的宝库,传统中药有许多潜在的治疗肿瘤的中药活性小分子,然而高昂的药物研发费用阻滞着这个领域的发展。随着计算机辅助药物设计学科的发展,药物研发效率提高,成本降低。提高了发掘中药活性小分子抗肿瘤作用的可能性。故本文的目的在于探讨PD-L1抑制剂的构效关系;基于中药活性小分子化合物数据库及天然产物化合物数据库虚拟筛选PD-L1抑制剂的潜在化合物并且利用体外实验验证虚拟筛选的结果以期得到PD-L1抑制剂的先导化合物,为PD-L1小分子抑制剂先导化合物的发现奠定基础。研究方法:本文的研究围绕着PD-L1小分子抑制剂的构效关系的虚拟筛选以及根据虚拟筛选结果将小分子抑制剂进行体外活动评价这两方面进行探讨研究。首先查阅相关的文献及专利,获得已经验证过的PD-L1抑制剂,利用SYBYL-X 2.0软件将这些分子化合物下载和绘制,再进行结构优化,将这些分子化合物作为接下来QSAR模型和药效团模型的训练集和测试集。利用SYBYL-X 2.0软件进行QSAR模型的构建。首先选择训练集化合物,这些化合物应该具有明显的活性值跨度。然后将训练集导入软件,观察寻找出这些化合物的公共骨架,然后进行分子叠合,从而获得最佳的叠合方式。分子叠合完成后,采用CoMFA和CoMSIA两种方法进行模型构建,计算CoMFA的标准场,CoMSIA场的计算同CoMFA的标准场。最后采用偏最小二乘法对化合物的活性与分子场之间进行数据拟合分析,将CoMSIA模型的交叉验证相关系数的平方q2与CoMFA模型的q2相比较,选取最优方式,进行下一步实验。使用Discovery Studio 2.5构建药效团模型。本研究使用Hypogen及HipHop两种模式来构建药效团模型。从文献中搜集小分子化合物,按照这两种药效团模型训练集化合物筛选原则进行分类,组成训练集用于模型构建,组成测试集用于验证模型的可靠性。成功构建两种药效团模型后,采用Ligand Profile模块进行验证,选取小分子化合物与药效团模型匹配值最高的模型。将从中药活性小分子化合物数据库及天然产物化合物数据库下载绘制的小分子化合物组成一个筛选数据库,用最佳药效团模型与之进行匹配筛选,选取排名前20的小分子化合物,使用SYBYL-X 2.0软件对这些化合物进行分子对接以及QSAR预测,结合Total Score分析最佳对接的化合物。最后将化合物用HTRF与BLI进行体外验证。研究成果:CoMSIA模型的交叉验证相关系数的平方q2为0.611,CoMFA模型的q2为0.7,而两种模型的预测值与实验值之间的相关性系数分别为0.685与0.543,综考虑CoMSIA模型明显优于CoMFA。故使用CoMSIA模型用于最后的小分子化合物的虚拟筛选验证。分析Hypogen及HipHop算法,最后得到8个最佳药效团模型,并对中药活性小分子化合物数据库及天然产物化合物数据库进行筛选,选出排名前20的小分子化合物,进行分子对接与QSAR预测后剩余15个化合物,利用HTRF与BLI进行分子间相互作用的验证,最后筛选出来5有潜在抑制作用的小分子化合物。研究结论:1.成功构建了 PD-L1抑制剂的QSAR模型、药效团模型;利用分子对接的方法2.探讨PD-L1与其抑制剂之间的相互作用,得到了两者之间的关键残基ASP122、LYS124、VAL55、YR56、ILE54、TYR123、ARG113、ASP122、SER117、MET115、ALA121、TYR123、LYS124、ARG125、PHE19、TYR123、ALA121、MET115、ASP122、SER117、LYS124。与文献报道的PD-1/PD-L1复合晶体中的PD-L1结合位点基本一致。3.将筛选出来化合物进行体外验证,获得5个评价较好地活性化合物。