论文部分内容阅读
随着细胞分子生物学的发展,肿瘤的分子靶向治疗已成为目前抗癌药物研究的重要领域。芳构酶是一种能将人体内雄激素催化转化为雌激素的限速酶,它属于细胞色素P450酶系。通过抑制芳构酶的活性,可以维持体内较低水平的雌激素,从而达到治疗乳腺癌及其他雌激素依赖性疾病。蛋白激酶抑制剂是一种非常有效的靶向治疗药物,它是通过阻碍细胞内分子传导通路来影响肿瘤细胞的存活、增殖以及疾病的发展,B-Raft酶是近年来最具吸引力的抗癌药物靶点之一。目前,尽管芳构酶抑制剂和B-Raf酶抑制剂均已成功上市,但由于存在较大的毒副作用,以及使用一段时间后会产生耐药性等缺点,因而研发新型结构、高活性和低毒副作用的上述两种抑制剂仍是当务之急。计算机辅助药物设计(CADD)方法是指基于多种分子模拟技术及数理统计方法,通过模拟药物分子与靶点之间的相互作用或通过分析药物分子结构与活性之间的关系,从而理论指导设计和发现新型药物分子的设计方法。由于CADD方法能大大提高药物开发的效率,因而,CADD方法已成为当今药物开发中的重要工具。本论文采用多种CADD方法对芳构酶抑制剂和B-Raf激酶抑制剂进行了研究。第1章对芳构酶及其抑制剂和B-Raf酶及其抑制剂作了简要介绍。同时,对CADD的常用方法作了总体介绍,并对本论文中使用的方法作了详细的描述。第2章对最新合成的66个甾体类芳构酶抑制剂(SAIs)进行了3D-QSAR、药效团模型和虚拟筛选的研究。首先,以配体的公共子结构为叠合方式进行了3D-QSAR研究,并获得了满意的模型。CoMFA模型的统计结果为:q2=0.636,r2ncv=0.988, r2Pred=0.658; CoMSIA模型的统计结果为:q2=0.843, r2ncv=0.989,r2pred=0.601。通过分析模型的三维等势图,对SAIs提出了结构改造的要求。其次,对SAIs进行了药效团模型的构建,并确定了最佳模型(Model04),其包含两个氢键受体原子和四个疏水中心。最后,采用获得的最佳药效团模型和3D-QSAR模型对NCl2000数据库进行了筛选,并获得了2个最佳命中化合物,为开发新的SAIs提供研究基础。第3章对最新合成的84个非甾体类芳构酶抑制剂(NSAIs)进行了药效团模型、3D-QSAR和虚拟筛选的研究。首先,对NSAIs进行了药效团模型的构建,并确定了最佳药效团模型(Model 08),其包含1个氢键受体原子,1个氢键供体原子和两个疏水中心。接着,对NSAIs同时进行了基于药效团叠合方式和基于分子对接叠合方式的3D-QSAR研究,结果是基于药效团叠合方式获得的模型较好,其统计结果为:CoMFA模型,q.=0.634,r2ncv=0.986,r2pred=0.737;CoMSIA模型,q2=0.668,r2ncv=0.962,r2pred=0.708。通过分析模型的三维等势图,对NSAIs提出了结构改造的要求。最后,采用所获药效团模型、分子对接方法和3D-QSAR模型对NCl2000数据库进行了逐步筛选,并获得了不同骨架的6个最佳命中化合物,为开发新颖骨架的NSAIs提供研究基础。第4章对最新合成的39个咪唑并吡啶类B-Ra磁酶抑制剂(BRIs)进行了2D,3D-QSAR。药效团模型和虚拟筛选的研究。首先,采用量子化学、分子力学和统计学相结合的方法对BRIs进行了2D-QSAR研究,并获得了可接受的模型(r=0.677)。接着,同时采用基于药效团叠合和基于分子对接叠合的方式,对BRIs分别进行了CoMFA和CoMSIA模型的建立,结果是基于药效团叠合的CoMSIA模型最佳,其统计结果为q2=0.621,r2ncv=0.996, r2pred=0.885.通过分析该模型,对BRIs提出了结构改造的要求。最后,采用药效团模型、分子对接着3D-QSAR模型相结合的方法对NCI2000数据库和ZINC数据库分别进行了虚拟筛选,分别筛选出了不同骨架的3个和20个最佳命中化合物,为开发新颖骨架的BRIs提供研究基础。第5章对B-Raf激酶与咪唑并吡啶类抑制剂进行了分子对接、分子动力学(MD)模拟和结合自由能(ΔGbin d)计算的研究,并探索了B-Raf激酶与咪唑并吡啶类抑制剂之间的作用机理。分子对接结果与抑制剂活性数据并不完全相符,但MD模拟结果年ΔGbind勺计算结果与抑制剂活性数据完全符合,这表明MD模拟和△Gbind计算结果比分子对接结果更能正确反映受体和配体的结合情况。第6章对从ZINC商业数据库中虚拟筛选出的10个BRIs命中化合物进行了生物活性测试,有6个化合物表现出明显的抑制活性。同时,对B-Raf激酶与10个命中化合物形成的复合物分别进行了MD模拟和ΔGbind的计算,理论计算获得的ΔGbind数值与实验获得的生物活性数据符合得很好。这从实验和理论上均验证了我们采用的“药效团模型、分子对接和3D-QSAR模型相结合的虚拟筛选策略”的可行性。