基于分子模拟技术筛选LXRβ中药激动剂

肝X受体β(liver X receptorβ,LXRβ)与体内胆固醇代谢密切相关,是治疗高脂血症的药物新靶点。该文以LXRβ激动剂为载体,利用3D-QSAR pharmacophore(Hypogen)模块构建定量药效团,得到最优的药效团模型包含1个氢键受体,1个芳环基团和2个疏水基团,药效团的5项评价指标分别为:训练集化合物的预测活性值和实验活性值的相关系数(correlation)为0.95、模型的费用函数(Δcost值)为128.65、活性化合物有效命中率(HRA)为84.44%、辨识有效性指数(IEI)为2.58、综合评价指数(CAI)为2.18。利用最优药效团模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),初步获得309个潜在的中药活性成分。随后利用Libdock分子对接方法进一步精制筛选结果,基于原配体的打分值以及关键氨基酸建立筛选规则,最终得到去甲氧基姜黄素、异甘草黄酮醇、胀果甘草查尔酮E、水飞蓟宁4个化合物为潜在的LXRβ激动剂。该研究可以高效、低耗的筛选潜在的LXRβ中药激动剂,为抗高血脂新药研发提供助力。     

基于醛固酮拮抗活性和专利检索的降压中药组方设计

该文从降压靶标醛固酮受体出发,构建其拮抗剂药效团模型,搜索中药化学数据库(traditional Chinese medicines database,TCMD),寻找潜在的中药醛固酮受体拮抗剂,并结合方剂专利检索结果,设计降压中药组方。其中,药效团模型以对人源醛固酮受体具有拮抗活性的33个化合物为研究对象,利用3D-QSAR pharmacophore(Hypogen)模块建立,最优模型由2个氢键受体、3个疏水基团以及4个排除体积组成,预测训练集化合物活性相关系数为0.953 4、测试集相关系数为0.674 8,辨识有效性指数N为2.878、综合评价指数CAI为1.119。采用最优模型对TCMD数据库进行筛选,命中1 700个化学成分,获得86味来源中药材,涉及常用中药24味。由于现有中医经典中未有记载治疗高血压病的用药方案以供参考,故该文利用所得药材在世界传统药物专利数据库(world traditional medicine patent database,WTM)中用于降压的统计结果,针对痰浊中阻型、瘀血阻滞型高血压,探讨了降压组方设计。     

利用重定位策略从中药中发现L-型钙离子通道作用降压药

该文以来源于NCBI数据库中对新西兰兔心脏L-型钙离子通道具有抑制作用的12个化合物为研究对象,利用HipHop定性药效团模型构建方法,建立L-型钙离子通道拮抗剂的药效团模型,利用数据库搜索方法对药效团模型进行优劣评价,同时,以所得的最优药效团模型对Drugbank和TCMD进行筛选,通过匹配程度和文献验证分别对从Drugbank中筛选所得的已上市药物进行降压作用重定位和从TCMD中筛选所得中药有效成分进行降压作用评价。结果获得最优药效团模型具有2个氢键受体和4个疏水基团,其综合评价指数CAI为2.78,从Drugbank中筛选的已上市药物93个,从TCMD筛选的中药有效成分285个。该文所构建的定性药效团具有一定的可靠性,可用于活性化合物筛选;Drugbank中筛得化合物,如普伐他汀,具有潜在的L-型钙离子通道抑制作用;TCMD筛选的中药化学成分,如白花前胡素Ⅲ、牛蒡苷元是潜在的降压药物。该策略有助于从中药中开展L-型钙离子通道的药物重定位研究。     

内皮素受体A 拮抗剂药效团模型的建立

目的：构建内皮素受体A（Endothelins A Receptor,ETA）的拮抗剂药效团模型,用以搜索中草药数据库,寻找中药ETA 受体拮抗剂。方法：以对鼠主动脉平滑肌细胞的内皮素受体A 有抑制作用的36 个化合物为研究对象,分别利用HipHop 定性药效团模型和HypoGen 定量药效团模型构建方法,建立ETA 受体拮抗剂药效团模型,利用数据库搜索方法对药效团模型进行优劣评判。并用所获得的最优定性和定量药效团模型对中药化学成分数据库进行筛选。结果：获得最优定性药效团模型具有以下6 个特征：1 个芳环基团、1 个负离子基团、3 个疏水基团及1 个氢键受体,其综合评判指数CAI 值为103.94。最优定量药效团模型具有以下6 个特征：1 个芳环基团、1 个负离子基团、2 个疏水基团、1个氢键受体以及1 个排除体积,其综合评判指数CAI 值为45.96,表明所构建动物模型具有一定的可靠性,且利用定量药效团模型筛选中药化学成分数据库命中16 个化学成分。结论:本文所构建的定性和定量药效团模型筛选效率较高,可分别开展活性化合物筛选和活性预测研究,有助于指导发现中药ETA 受体拮抗剂。     

基于受体药效团的CETP天然抑制剂的发现研究

胆固醇酯转移蛋白(cholesterol ester transfer protein,CETP)是HDL的重要调控因子,抑制其活性可有效提高HDL的含量。由于HDL通过胆固醇逆向转运对动脉粥样硬化发挥的重要遏制作用,CETP已成为治疗心血管疾病的热门靶点。该文以PDB数据库中编号为4F2A的CETP蛋白结构为研究对象,对其活性区域内的药效特征进行识别、聚类及筛选,建立了基于CETP蛋白结构的受体药效团。最优药效团由6个疏水特征、1个氢键供体特征及9个排除体积组成,其辨识有效性指数N为3.33,综合评价指数CAI为2.31。同时,利用该模型对TCMD进行虚拟筛选,获得来源于315味中药的629个化合物。最后,该研究基于分子对接技术探讨了活性区域的关键氨基酸残基以及中药活性化合物与受体的相互作用,进一步验证了研究结果的可靠性。其中枸杞子、五味子等部分含有潜在活性成分较多的中药已有文献报道确有降脂活性。该研究为从中药中发现CETP抑制剂、探讨中药降脂作用机制提供了数据支撑。     

基于药效团与分子对接筛选丹参药材中凝血酶抑制活性成分(英文)

目的:辨识丹参药材中抑制凝血酶的活性成分。方法:从中药化学成分数据库(TCMD)收集丹参药材已知的化学成分群。分别采用基于药效团与基于分子对接的方法,筛选丹参药材的化学成分群以辨识凝血酶抑制剂。结果:所建凝血酶抑制剂药效团包含7个药效特征:4个疏水基团,2个氢键给体和1个正氮中心。将所建药效团筛选丹参化学成分数据库,命中14个匹配度(QFIT)在9.0以上的化合物。分子对接结果显示,17个化合物对接得分(docking score)在6.0及以上。2种方法筛选结果相比,有8个共有化合物,部分命中化合物的凝血酶抑制活性已被相关文献所佐证。结论:基于药效团与分子对接的虚拟筛选方法可用来鉴别丹参药材中凝血酶抑制活性成分,丹参的抗凝血机制与其凝血酶抑制活性有关,该结果为进一步研究丹参作用分子机制提供参考和依据。     

多药效团组合筛选PDE4B抑制剂研究

本文以17个PDE4B受体-抑制剂复合物为研究对象,应用LigandScout构建17个药效团模型,并以多药效团组合筛选方法开展中药中具有PDE4B亚型选择性抑制活性成分的辨识研究。经过配体再匹配和已知活性化合物数据库筛选两种评价方法,评价并保留了17个药效团模型;以分子被命中频次作为多药效团组合筛选方法的综合性评价指标,结合MDDR数据库筛选结果,确定了PDE4B抑制剂被命中大于或等于8次的分子为多药效团组合筛选目标。比较了最优药效团筛选方法与多药效团组合筛选方法的筛选效率,结果多药效团组合筛选方法的富集度和活性化合物有效命中率都比最优药效团筛选方法高,分别为38.017、47.44%,表明基于受体的多药效团组合筛选方法具有一定的可靠性,有助于开展中药中有效成分的辨识研究。     

ETB受体拮抗剂三维药效团的构建

本文以对在CHO细胞中表达的人类ETB受体有拮抗作用的28个化合物为训练集,利用Catalyst计算所得ETB受体拮抗剂的最优药效团模型由两个氢键受体、一个芳环基团和一个疏水基团组成。最优模型的Fixed cost、Total cost和△Cost值分别为114.792、136.967和38.081。训练集化合物活性的实测值与预测值相关系数为0.870,偏差值为1.198,有效活性命中率A%和综合评价指数CAI值分别为84%和2.389。该模型对测试集化合物也有较好的预测能力,所命中测试集化合物的实际活性值和预测活性值的线性相关系数为0.736。研究结果表明所构建的药效团模型具有一定的可靠性,可以用来进行数据库的搜索,寻找新型的ETB受体拮抗剂。     

基于药效团技术与专利检索的降脂中药发现研究

抑制HMG-CoA还原酶的他汀类药物与激动PPAR-α的贝特类药物联合应用相较于单纯应用能产生更好的降脂效果, 但同时也会产生较强的不良反应。中药与HMG-CoA还原酶抑制剂合用治疗高血脂疗效稳定、毒副作用小, 为药物联用提供了新的选择。该文利用药效团技术搜索中药化学成分, 追溯其来源中药, 确定潜在的具有PPAR-α激动活性的常用中药。由于现有中医经典中未涉及治疗高脂血症的相关用药方案以供参考, 为确保所选中药的联合应用具有较高的安全性和有效性, 该文选择世界传统药物专利数据库中已有临床验证的能与他汀类药物联合降脂之中药, 并据此分析药效团命中结果中的相应药物, 最终获得能作用于PPAR-α且能与他汀类药物联合使用的常用中药。其中, 药效团模型以PPAR-α的8个配体-受体结合物为研究对象, 利用DS程序中的Receptor-Ligand Pharmacophore Generation模块建立, 并以Screen Library模块进行优化, 获得最优子药效团。最优子药效团模型由2个氢键受体、3个疏水基团以及19个排除体积组成, 辨识有效性指数N值2.82、综合评价指数CAI值1.84。采用该模型对TCMD数据库进行筛选, 命中5 235种化学成分、1 193种来源天然动植物, 最后确定常用中药62味。专利检索得到38味常用中药, 与虚拟筛选结果进行比对, 最终获得7味中药。     

中药中组织蛋白酶S潜在抑制剂的发现及作用机制研究

组织蛋白酶S是一种与自身免疫性疾病、银屑病等密切相关的半胱氨酸蛋白酶。该研究使用虚拟筛选的方法从中药天然产物化合物库中筛选出对组织蛋白酶S具有潜在抑制作用的化合物,研究代表性化合物的抑制作用机制,并分析该类化合物在中药中的分布情况以及与疾病的相关性,为组织蛋白酶S的新药研发提供数据基础。首先,以组织蛋白酶S的2FQ9复合物晶体结构为基础,建立组织蛋白酶S抑制剂的药效团模型,选择筛选性能最好的药效团模型,对TCMD数据库进行筛选,取打分排名前88的中药化合物,通过遴选确认65个为潜在组织蛋白酶S天然抑制剂。经分子对接研究发现这些潜在抑制剂能够与受体活性口袋中的关键残基产生包括氢键在内的多种作用力,因此结合自由能比较高,进而产生较强的抑制作用。研究发现,65个天然抑制剂分布于58种中药中,对这些中药的性味、归经、功效及现代药理作用进行资料收集和分析,发现多数中药的药效和适应症与组织蛋白酶S的生物活性相关,从另一个角度证实了筛选结果的有效性。研究结果证明,组织蛋白酶S与某些中药对自身免疫性疾病的治疗效果具有相关性,可作为中药作用靶标深入研究。     

支持向量机在构建白介素-1β转化酶抑制剂药效团模型中的应用

以24个作用于人体外围血单核细胞药理模型的白介素-1β转化酶抑制剂作为研究对象，计算了其表征分子的拓扑、电子、几何结构等物理化学性质的1209个分子描述符，用CfsSubsetEval评价方法和BestFirst—D1-N5搜索方法筛选描述符。用Kennard—Stone方法选择训练集和测试集。分别采用支持向量机、决策树、贝叶斯网络、人工神经网络等机器学习方法建立分类预测模型并使用Catalyst／HipHop系统建立药效团模型。结果表明支持向量机优于其他分类模型，正、负样本的预测正确率均达到100％。最优药效团模型具有5个特征：2个疏水基团、2个脂性氢键受体、1个氢键给体；以此药效团进行中药数据库筛选得到384个候选白介素-1β转化酶抑制剂。利用支持向量机建立的分类预测模型对候选化合物的活性进行了预测，其中高活性化合物占96．6％，表明白介素-1β转化酶抑制剂药效团模型较准确地反映了高活性化合物的公共特征。该模型的建立有助于从中草药筛选新型白介素-1β转化酶抑制剂。     

基于计算机辅助水解的中药大豆寡肽的ETA拮抗活性预测

中药寡肽是中药发挥药效的关键组分之一,系统地研究中药寡肽的组成及其药效是中药物质基础及作用机制研究的关键。该研究拟基于计算机辅助水解和分子对接等模拟技术,以中药大豆为研究载体,解析其降压寡肽成分,并预测其潜在的内皮素受体A(endothelin receptor A,ETA)拮抗活性。该文通过收集大豆中的储存蛋白序列,基于计算机辅助水解方法进行蛋白的模拟消化水解,并将水解获得的寡肽构建虚拟结构数据库。随后该研究构建了ETA肽类拮抗剂的药效团模型,包括1个疏水特征、1个负电中心、1个芳环特征和5个排除体积。同时,利用同源模建方法构建ETA的蛋白三维结构模型,并将其用于分子对接研究,采用一致性打分评价化合物的ETA拮抗活性。通过构建ETA肽类拮抗剂的药效团模型、同源模建的三维蛋白结构以及分子对接模型,共预测获得27条可能具有潜在ETA拮抗活性的寡肽分子。该文进一步分析关键氨基酸GLN165,并结合文献,说明其对拮抗剂活性的重要性。计算机辅助水解方法可以高效地对已知序列结构的中药蛋白进行模拟水解,结合分子模拟模型,能进一步辨识中药寡肽潜在的生物学活性。该研究为快速、高效开展中药来源的肽类物质的活性机制研究提供了方法学依据。     

支持向量机在构建白介素-1β转化酶抑制剂药效团模型中的应用

以24个作用于人体外围血单核细胞药理模型的白介素-1β转化酶抑制剂作为研究对象,计算了其表征分子的拓扑、电子、几何结构等物理化学性质的1209个分子描述符,用CfsSubsetEval评价方法和BestFirst-D1-N5搜索方法筛选描述符,用Kennard-Stone方法选择训练集和测试集.分别采用支持向量机、决策树、贝叶斯网络、人工神经网络等机器学习方法建立分类预测模型并使用Catalyst/HipHop系统建立药效团模型.结果表明支持向量机优于其他分类模型,正、负样本的预测正确率均达到100%.最优药效团模型具有5个特征:2个疏水基团、2个脂性氢键受体、1个氢键给体;以此药效团进行中药数据库筛选得到384个候选白介素-1β转化酶抑制剂.利用支持向量机建立的分类预测模型对候选化合物的活性进行了预测,其中高活性化合物占96.6%,表明白介素-1β转化酶抑制剂药效团模型较准确地反映了高活性化合物的公共特征.该模型的建立有助于从中草药筛选新型白介素-1β转化酶抑制剂     

计算机辅助药物设计方法构建SGLT-2抑制剂药效团模型

目的:为钠-葡萄糖协同转动蛋白(SGLT-2)抑制剂的设计提供指导。方法:从相关的文献报道中搜集出大量的活性SGLT-2抑制剂小分子,筛选出了24个小分子构成训练集,通过Discovery Studido 3.0软件,采用Hypo Gen算法产生得到SGLT-2抑制剂药效团模型。结果:产生的最好的药效团模型包含1个氢键供体,1个氢键受体,1个芳环和5个疏水集团,该模型经Fischer’s randomization验证,decoy set验证,均显示该药效团符合要求。结论:SGLT-2蛋白在维持血糖水平过程中扮演中重要的角色,近年来以该蛋白为糖尿病治疗靶点的研究越来越多的受到关注,本方法成功构建出SGLT-2抑制剂药效团,为后续的研究垫下理论基础。     

The Different Effects of Resveratrol and Naringenin on Isolated Human Umbilical Vein: The Role of ATP‐Sensitive K+ Channels

The blood flow from the placenta to the fetus depends on human umbilical vein (HUV) vascular tone. ATP‐sensitive K⁺ (K_ATP) channels link the metabolic state of the cell to membrane potential, and their activation in the HUV represents protection against hypoxia. The aims of our study were to assess the effects of resveratrol and naringenin on the HUV and to define the roles of K_ATP channels in their effects. Serotonin or 100 mM K⁺ were used for precontraction of the HUV without endothelium. The cumulative concentration–response curves were obtained by adding increasing concentrations of resveratrol or naringenin. Glibenclamide was used, in order to test the role of K_ATP channels in its effect. Resveratrol induced more potent vasodilatation of serotonin‐ and 100 mM K⁺‐precontracted HUV than naringenin. Glibenclamide induced significant shift to the right of the concentration–response curves of resveratrol and P1075 (a specific opener of K_ATP channels). Western blotting showed that HUV expressed protein Kir6.1. Thus, resveratrol and naringenin produce dilatation of HUV. It seems that K_ATP channels are involved in the relaxation of HUV induced by resveratrol, while naringenin seems to interact with other ion channels. The K⁺ channel‐independent mechanism(s) of these polyphenols could not be excluded. Copyright © 2014 John Wiley & Sons, Ltd.     

“醒脑开窍”针刺法对脑缺血再灌注大鼠海马神经元K_(ATP)通道细胞电生理的调控研究

[目的]观察"醒脑开窍"针刺法对脑缺血再灌注大鼠海马椎体神经元三磷酸腺苷敏感性钾(K_(ATP))通道电生理特性的影响。[方法]将32只大鼠随机分为空白组、假手术组、模型组、电针组,每组8只。模型组、电针组大鼠按照Zea longa线栓法复制大脑中动脉缺血再灌注模型,假手术组只分离颈总动脉和颈外动脉,不插入尼龙线栓。电针组给予针刺内关、水沟、三阴交治疗,每日2次,连续治疗3 d。采用Zausinger六分法评价神经功能,神经元急性分离技术获得海马椎体神经元,采用单细胞膜片钳技术记录各组大鼠海马椎体神经元K_(ATP)通道电流曲线,各组随机选择封接成功的8个膜片进行膜片钳数据分析。[结果]模型组大鼠神经功能评分明显低于空白组、假手术组(均P0.01),海马锥体神经元K_(ATP)通道开放时间、开放概率均明显高于空白组、假手术组(均P0.01),电流幅度与空白组、假手术组比较均无统计学差异(均P0.05);电针组大鼠神经功能评分明显高于模型组(P0.01),海马锥体神经元K_(ATP)通道开放时间、开放概率均明显低于模型组(均P0.01),电流幅度与模型组比较无统计学差异(P0.05)。[结论]"醒脑开窍"针刺法可以影响脑缺血再灌注大鼠海马椎体神经元K_(ATP)通道的电生理特性,其对抗脑缺血再灌注损伤的作用机制可能与调节K_(ATP)通道开放活动相关。     

基于支持向量回归和分子对接技术的中药CYP450 2E1抑制剂筛选

细胞色素P450酶(CYP450)的抑制是药物相互作用最常见的原因,对CYPs抑制剂早期预测的研究有助于减少药物相互作用导致的不良反应。CYP450 2E1(CYP2E1)是CYP450酶系中参与药物体内代谢的主要酶,具有广泛的药物代谢底物谱。该研究以CYP2E1为研究对象,基于32个CYP2E1抑制剂,建立支持向量回归模型(support vector regression,SVR),并用测试集数据对CYP2E1定量模型进行验证,获得CYP2E1抑制剂最优预测模型。该研究同时利用CDOCKER分析阳性化合物与活性口袋相互作用模式及氨基酸,建立CYP2E1抑制剂最优筛选模型。综合利用支持向量回归模型和分子对接预测模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),提高了计算效率和结果的准确性。SVR预测模型初步得到6 376个中药化合物,通过分子对接进一步验证,最终获得247个对CYP2E1具有潜在抑制活性的中药化合物,其中部分已有实验证实其的确对CYP2E1具有抑制作用。该研究对CYP2E1酶抑制剂的研究可为CYP450抑制剂的虚拟筛选及其介导的药物不良反应预测提供指导,对临床合理用药提供一定的参考。