日韩欧美中文字幕在线韩

  • <pre id="0xn3r"></pre>
  • <acronym id="0xn3r"><label id="0xn3r"><address id="0xn3r"></address></label></acronym>
    <td id="0xn3r"></td>
    <acronym id="0xn3r"><strong id="0xn3r"><listing id="0xn3r"></listing></strong></acronym>
    1. 虛擬篩選發現新型GPER1抑制劑

      2019-09-03 13:44:00 來源:源資信息科技(上海)有限公司

      前言

      G蛋白偶聯雌激素膜受體(GPR30/GPER1),主要分布于細胞膜或內質網上,是“膜受體”。它通過與雌激素結合,以非轉錄模式直接快速激活cAMP及EGFR等信號途徑,促進胞內Ca2+釋放,進而產生一系列下游效應,對中樞神經系統、心腦血管系統、內分泌系統和生殖系統等多個系統發揮不同的、重要的雌激素樣生理作用。由于GPER1可快速的調節雌激素的多種生理反應信號,因此作為一種新藥靶點引起了人們的廣泛關注和研究。

      研究使用基于配體和基于受體的方法進行虛擬篩選發現新型G蛋白偶聯雌激素膜受體抑制劑。


      實驗過程


      圖1 實驗過程

      研究選擇eMolecules數據庫中的720萬個化合物進行篩選。選擇已知抑制劑G1為模型進行形狀相似性篩選(ROCS)、靜電相似性篩選(EON)和分子對接篩選(FRED),最后再對命中的化合物進行合成和活性測定。


      實驗結果

      1.?基于配體的虛擬篩選結果

      研究選擇已知抑制劑G1作為提問結構進行篩選研究。首先使用OMEGA模塊對其進行構象枚舉,從產生的200個構象中選擇能量最低的構象進行形狀相似性篩選。提問結構G1產生的ROCS模型如圖2A所示,包含有10個化學特征,分別為:5個環狀、3個氫鍵受體、1個氫鍵供體、1個疏水性。使用該模型篩選eMolecules數據庫,命中TanimotoCombo值在1.861~1.204之間的5000個化合物,然后進行靜電相似性篩選。提問結構G1產生的EON模型如圖2B所示,使用該模型進行篩選,命中ET_Comb值在1.651~1.112之間的100個化合物。


      圖2?已知抑制劑G1的ROCS模型(A)和EON模型(B)


      2.?基于受體的虛擬篩選結果

      對形狀相似性和靜電相似性篩選命中的100個化合物,繼續進行對接篩選。因為沒有GPER1蛋白的晶體結構,所以研究采用同源模建的方法來構建GPER1蛋白的三維結構。本研究使用多個同源性較高的模型(4YAY、4DJH、3OE0、4DKL、3ODU)來構建GPER1蛋白的三維結構。構建好的蛋白質結構使用QUACPAC模塊進行加電荷和能量優化處理。然后進行對接,先使用已知抑制劑進行對接模式的優化,確定好活性口袋后再進行對接篩選。將經過形狀相似性和靜電相似性篩選后命中的100個化合物進行對接,命中對接打分值Chemgauss4值小于-11.5754的5個化合物。

      化合物6120497_SRS_10與GPER1的對接模式已經被研究過,該文章中發現化合物與活性口袋的殘基Met141、Val219、Gly222、Phe223、Trp272、Ile279和Ser280形成疏水相互作用,和殘基Glu218形成氫鍵相互作用。本研究命中的5個化合物都和活性口袋的這些關鍵氨基酸形成疏水相互作用。由此說明我們選擇的對接篩選方法準確、可信度高。



      表1 對接篩選命中的5個化合物

      3.?生物活性評價

      研究對命中的化合物進行了聚類分析,然后選擇計算活性最高的兩個化合物(圖3)進行了合成和生物活性評價。選擇兩個乳腺癌細胞珠系:SK-BR-3和MCF-7進行抗增殖活性研究。已知抑制劑G-1和新合成的化合物SK0、SK0P對兩株乳腺癌細胞系的抗增殖活性如表2所示,其中G-1能較好的抑制乳腺癌SK-BR-3細胞的增殖,而化合物SK0、SK0P對乳腺癌細胞MCF-7表現出較強的抗增殖活性。因為SK-BR-3細胞的GPER-1蛋白含量較高,所以化合物抑制SK-BR-3細胞的增殖活性要比抑制MCF-7細胞的好,兩者呈正相關??乖鲋郴钚缘臏y定結果表明本研究經過虛擬篩選發現的2個化合物對GPER-1蛋白有較強的抑制活性,可以作為新型先導化合物進行后期研究。



      圖3 新化合物骨架


      表2 新化合物的抗增殖活性和分子對接結果


      結論

      研究使用基于配體的虛擬篩選和基于受體的虛擬篩選方法快速的發現GPER-1蛋白抑制劑。使用虛擬篩選方法可以快速高效的從700萬個化合物中確定100個潛在的抑制劑,然后進行對接相互作用分析、化合物骨架聚類分析,從而確定了兩個有代表性的計算活性最高的化合物進行合成和抗增殖活性研究?;钚詼y定結果也表明篩選發現的兩個化合物抑制乳腺癌細胞的增生,能作為GPER-1蛋白抑制劑進行下一步研究。


      使用模塊:OMEGA、ROCS、EON、FRED

      參考文獻

      1.?Shafi Ullah Khan, Nafees Ahemad, Lay-Hong Chuah, et al. Sequential ligand- and structure-based virtual screening approach for the identification of potential G protein-coupled estrogen receptor-1 (GPER-1) modulators [J]. RSC Advances, 9.


      【責任編輯:(Top) 返回頁面頂端
      Copyright ? 2008 - 2021 Tri-ibiotech.com All Right Reserved. | 備案許可證: 滬ICP備11020704-5.
      日韩欧美中文字幕在线韩