新型的以eEF2激酶-調(diào)控自噬信號通路為靶點的抗腫瘤藥物網(wǎng)絡(luò)分析△

柳歡，張珂，王航宇*，鐘益寧*

(1.廣西中醫(yī)藥大學(xué)，廣西 南寧 530299；2.石河子大學(xué) 藥學(xué)院，新疆 石河子 832002)

·基礎(chǔ)研究·

新型的以eEF2激酶-調(diào)控自噬信號通路為靶點的抗腫瘤藥物網(wǎng)絡(luò)分析△

柳歡1，張珂2，王航宇2*，鐘益寧1*

(1.廣西中醫(yī)藥大學(xué)，廣西 南寧 530299；2.石河子大學(xué) 藥學(xué)院，新疆 石河子 832002)

目的：eEF-2激酶有可能是哺乳動物大自噬的重要組分，研究尋求在電腦中識別以eEF-2K調(diào)控的細胞自噬途徑為靶點的新的抗腫瘤藥物。方法：使用一系列的生物信息學(xué)方法和實驗步驟，如網(wǎng)絡(luò)構(gòu)造(network construction)、樞紐蛋白識別(hub protein identification)、微陣列芯片分析(microarray analyses)、靶向microRNA預(yù)測(targeted microRNA prediction)和分子錨定(molecular docking)，確定新抗腫瘤藥物。結(jié)果：通過幾個在線數(shù)據(jù)庫的數(shù)據(jù)，并進一步將它們修飾進入基礎(chǔ)的eEF-2K相關(guān)聯(lián)蛋白質(zhì)之間的反應(yīng)網(wǎng)絡(luò)，利用電腦構(gòu)建了一個全球人類網(wǎng)絡(luò)工作。以自噬基因的不同表達為基礎(chǔ)，確定了eEF-2K調(diào)控的自噬中的樞紐蛋白。隨后，確認了miRNA能夠以eEF-2K調(diào)控的自噬為靶向。最后，在DrugBank和ZINC數(shù)據(jù)庫中掃描了一系列能夠在乳腺瘤細胞中以eEF-2K為靶點的分子合成物。結(jié)論：系統(tǒng)地確認了以eEF-2K為靶點的新的小分子產(chǎn)物，并預(yù)測了靶點抗腫瘤藥物。這些發(fā)現(xiàn)可能為揭示eEF-2K和自噬之間的復(fù)雜關(guān)系、并為發(fā)現(xiàn)可能的腫瘤藥物提供了進一步的線索。

eEF-2K；細胞自噬；腫瘤；AKT

細胞自噬是通過自噬泡和自噬溶酶體降解細胞質(zhì)和細胞器，并將細胞組分回收用于能量利用的一個高度保守的過程。在饑餓或生長因子失效時，細胞自噬可能通過提供不同的能量資源作為一個暫時的存活機制[1-2]。當面對低氧或新陳代謝壓力時，細胞自噬可以完善快速生長細胞的營養(yǎng)利用，也因此對腫瘤細胞的存活有貢獻作用[3-5]。eEF-2K是鈣調(diào)蛋白依賴型蛋白激酶，并通過磷酸化eEF-2負調(diào)節(jié)蛋白質(zhì)合成。eEF-2是100kDa蛋白，其通過在核糖體的A和P位促進肽鏈和tRNA間的轉(zhuǎn)換過程，從而調(diào)節(jié)肽鏈延長部分的轉(zhuǎn)移。在Thr56位被eEF-2K催化磷酸化后的eEF-2將降低核糖體與蛋白質(zhì)延長因子之間的吸引力[6]。我們前期的研究描述了eEF-2K可能通過響應(yīng)營養(yǎng)缺失而作為哺乳動物大自噬途徑的中心組分[7-8]。在壓力促進的自噬中，eEF-2K擔(dān)任的角色已經(jīng)被其他研究確認[9]。因為蛋白質(zhì)合成是主要的能量消耗過程，通過eEF-2K活動而導(dǎo)致的蛋白質(zhì)合成停止和細胞自噬促進可大量保存能量，并在新陳代謝壓力下支持細胞生存。此外，相較于周圍的其他正常組織，eEF-2K已被證實在多種乳腺癌細胞族和人類乳腺癌組織中有過度表達和活性增加的情況。通過觀察，eEF-2K在癌癥中的作用可正調(diào)節(jié)多種類型的腫瘤組織，其中包括惡性神經(jīng)膠質(zhì)瘤或者乳腺瘤[10-13]；抑制此激酶會導(dǎo)致多種腫瘤細胞的生存能力下降[14]。近期又發(fā)現(xiàn)了eEF-2K可能在包括營養(yǎng)缺乏、生長因子抑制、由糖分解抑制劑2-脫氧葡糖導(dǎo)致的能量壓力等的環(huán)境或者新陳代謝的壓力下，對細胞自噬起到正調(diào)節(jié)(positive regulator)作用[15]。

在此研究中，我們尋求在電腦中識別以eEF-2K調(diào)控的細胞自噬途徑為靶點的新的抗腫瘤藥物。我們的研究顯示，eEF-2K調(diào)控的細胞自噬在腫瘤中起到了細胞保護作用，且抑制細胞自噬性生存，可調(diào)高對治療藥物的敏感性。

1 材料和方法

1.1 數(shù)據(jù)處理與網(wǎng)絡(luò)構(gòu)建

為構(gòu)建全球人類蛋白質(zhì)交互作用(PPI)網(wǎng)絡(luò)，我們從6個不同的人類PPI數(shù)據(jù)庫收集了多種蛋白質(zhì)交互作用的資料，這6個不同的數(shù)據(jù)庫有：Human Protein Reference Data(HPRD)[16]，Bio molecular Object Network Databank(BOND)[17]，IntAct[18]，HomoMINT[19]，BioG RID[20]和Database of Interacting Protein(DIP)[21]。接著，依據(jù)Gene Ontology(GO)在一對蛋白中至少有一個為自噬相關(guān)蛋白，我們構(gòu)建了細胞自噬的PPI網(wǎng)絡(luò)。然后，依據(jù)在腫瘤細胞自噬性死亡的前期報道，我們進一步提取出eEF-2K調(diào)控的細胞自噬的樞紐蛋白和相關(guān)的途徑[22]。據(jù)此，以上所提及的樞紐蛋白可以與eEF-2K結(jié)構(gòu)組成一個經(jīng)修飾的eEF-2K自噬網(wǎng)絡(luò)，在此網(wǎng)絡(luò)中，每個蛋白在癌癥環(huán)境下都可以與eEF2K相反應(yīng)。

1.2 樞紐蛋白的多重分析

我們通過以下3個黃金準則決定自噬相關(guān)蛋白是不是自噬樞紐蛋白：第一，在功能聯(lián)系網(wǎng)絡(luò)中，每個蛋白等級以它與其他蛋白相聯(lián)系的數(shù)目計算[23]?；诟叩燃壍牡鞍變A向于在蛋白網(wǎng)絡(luò)中擔(dān)任著更重要作用的假設(shè)，因此，高等級蛋白會被認為是樞紐蛋白。第二，在凝集素促進的腫瘤細胞中，樞紐蛋白應(yīng)該與已知的自噬相關(guān)蛋白有聯(lián)系作用，這樣在開發(fā)自噬相關(guān)的新靶點時這些樞紐蛋白就更值得關(guān)注。而這個方法與之前關(guān)于需要新的與腫瘤相關(guān)的基因研究相似[24]。第三，一個以自噬為模型的網(wǎng)絡(luò)組件對確定樞紐蛋白也是必要的，因為這些樞紐蛋白在“密集區(qū)”會有所增加[25]。在此研究中，我們致力于在植物凝集素促進的腫瘤細胞中明確自噬樞紐蛋白，因此，結(jié)合已知的樞紐蛋白和通過之前提及的3個黃金準則，可以確定自噬樞紐蛋白。

1.3 基于微陣列芯片的動態(tài)eEF-2K調(diào)控途徑的分析

可以與同一個蛋白相互反應(yīng)的蛋白往往具有相似的基因表達模式，所以基因可以一起表達的蛋白比不能一起表達的更可能發(fā)生反應(yīng)。為了確定某種特定的基因是否可以共同表達，我們使用了微陣列數(shù)據(jù)(NO.E-GEOD-26459)在三苯氧胺(tamoxifen)處理的MCF-7細胞中，為確定在自噬中成對合作表達的基因，用2.5 mmol·L-1DTT處理[26]。在控制的實驗組中，微陣列重復(fù)使用了3次。E-GEO數(shù)據(jù)庫提供了正確的和標準的前期數(shù)據(jù)。因此，數(shù)據(jù)前期處理需達到微陣列的必要分析(SAM)的標準，且相應(yīng)的探針來自于Uniport數(shù)據(jù)庫[27]。鑒于原始實驗數(shù)據(jù)未進行l(wèi)og2過程，我們在數(shù)據(jù)模型匯總加入了log2指令和T-test，利用在SAM中的“Two Class”(未成對)模型來分析不同的基因表達。通過以上這些測試，我們運用SAM的Δ變量來確定0.13并列出所有表達不同(正調(diào)節(jié)或者負調(diào)節(jié))的基因。首先我們使所有的數(shù)據(jù)進行l(wèi)og2變換標準化，再使用平均連鎖來聚連這些數(shù)據(jù)(在此項操作之前，我們已提取這些基因的表達數(shù)據(jù))。當這些表達數(shù)據(jù)的數(shù)值是2時，我們采用其平均值，如果是3或者更大的數(shù)值，我們?nèi)∑渲形粩?shù)。最后，我們把微陣列數(shù)據(jù)繪制到SAM圖表中，并評估它。我們同時也使用Cluster和TreeView[28]來搜集所有不同的基因表達，為下一步的分析做準備。此外，我們使用一個相似的方法來確定協(xié)同表達的miRNA。我們選擇的微陣列數(shù)據(jù)(NO.E-GEOD-26459)是來自于在三苯氧胺(tamoxifen)處理的MCF-7細胞[29]。

1.4 miRNA靶點預(yù)測

因為可用的預(yù)測模型有不同的敏感性和特異性，這些方法的綜合應(yīng)當可以大大降低正和負的誤差，且只有通過3種不同的算法才能夠認可所預(yù)測出的相互之間的反應(yīng)。我們利用從Target(適度的配對、編號、編號類型、編號內(nèi)容、除編號內(nèi)容外最優(yōu)先保存的選擇排名)、MiRanda(適度的配對、編號、最配對的miRNA)[30]和Diana-MicroT(雜交的能量閾值規(guī)則)[31]中的人類特異性數(shù)據(jù)把miRNA和mRNA之間的關(guān)系總結(jié)起來。

1.5 序列對比

在序列對比當中，搜集了NCBI數(shù)據(jù)庫中所有被報道過的不同種類生物中的eEF2K序列[32]。這些序列都通過ClustalW方法(version2.1進行了分析，蛋白質(zhì)分析所用的是Clustal W方法)進行分析。

1.6 模型和分子錨定

eEF-2K最初的X射線晶體構(gòu)型協(xié)調(diào)的三維幾何學(xué)是來自于Protein Data Bank(http：//www.pdb.org/)。我們下載了最新版本的DrugBank(http：//www.drugbank.ca/)中的FDA批準的小分子化合物，并從最新的ZINC數(shù)據(jù)庫(http：//zinc.docking.org/)中的可商用的化合物來構(gòu)建eEF-2K的掃描資料。之后，所有的候選化合物都通過Open Babel工具箱和ZINC數(shù)據(jù)庫來進行所有的結(jié)構(gòu)編輯。

此外，我們使用UCSF DOCK6.3軟件[33]和AMBER力場參數(shù)來進行分子錨定計算。首先，基于網(wǎng)格的分數(shù)算法來排列所有的小分子藥物，在分數(shù)算法中所有的藥物足夠靈活地對接受者(eEF-2K)進行回應(yīng)。然后，運用DOCK6.3中的AMBER分數(shù)功能來重新排列之前基于網(wǎng)格運算分數(shù)前100的藥物。在amber分數(shù)計算期間，PDB2PQR服務(wù)器[34]是利用自動化PDB文件準備和eEF2K的質(zhì)子化作用狀態(tài)作業(yè)。在我們的錨定過程中，方向的最大數(shù)量設(shè)置為500。

1.7 分子動力學(xué)(MD)模擬

MD模擬使用了GROMACS(4.0.5版本)軟件包[35]來監(jiān)測eEF2K和選中化合物的結(jié)合狀態(tài)。兩個選中的小分子化合物分別是FDA批準藥物和ZINC數(shù)據(jù)庫的分值最高的，用PRODRG2服務(wù)器[36]來生成配體拓撲。eEF2K的拓撲結(jié)構(gòu)由使用GROMOS96 43al力場[37]的pdb2gmx服務(wù)器編輯而成。在這個MD過程中，5000 PS(1PS=735.498 75 W)的刺激以2 fs的時間步驟在執(zhí)行，然后用VMD軟件來觀察產(chǎn)生的軌跡文件。

2 結(jié)果和討論

2.1 人類PPI自噬網(wǎng)絡(luò)的構(gòu)成

在本研究中，我們基于IntAct、HPRD、HomoMINT、BOND、BioGRID和DIP計算構(gòu)造了人類的總體PPI網(wǎng)絡(luò)(大約85 806個蛋白偶對)，包含了幾乎全部PPI(見圖1A)。為了構(gòu)造一套真陽性基因?qū)Γ瑢嶓wPPI來自包括BioGRID的37 710個蛋白偶對(8982個蛋白質(zhì))，BOND的8044個蛋白偶對(4073個蛋白質(zhì))，HomoMINT的14 892個蛋白偶對(6240個蛋白質(zhì))，HPRD的39 044個蛋白偶對(9614個蛋白質(zhì))，IntAct的34 935個蛋白偶對(8849個蛋白質(zhì))以及DIP的12 809個蛋白偶對(4818個蛋白質(zhì))。這些結(jié)果表明，作為自噬PPI網(wǎng)絡(luò)，總數(shù)為2633的獨特的蛋白偶對已準備好(見圖1B)。

2.2 癌癥eEF2K-調(diào)節(jié)的自噬子網(wǎng)的識別

眾所周知，PPI網(wǎng)絡(luò)通常有復(fù)雜的性質(zhì)，在眾多信號通路有多個連接；因此，有必要在一個特定的生物背景下，通過進一步整合和分析高通量數(shù)據(jù)來代表這個網(wǎng)絡(luò)，比如癌癥。根據(jù)Table S1的數(shù)據(jù)，我們提取了所有PPI，包括致癌基因(MARK2、MK03、PAK1、SIK1、ULK1、ULK2、WNK2、PI3K)、腫瘤抑制(AAPK1、CDK1、EGFR、ERBB2、FAK2、JAK2、JAK3)和包括自噬PPI網(wǎng)絡(luò)的mTOR在內(nèi)的其他類型。隨后，我們發(fā)現(xiàn)mTOR eEF2K AAPK1可能與其他參與自噬途徑的蛋白質(zhì)相互作用。Akt已經(jīng)是眾所周知涉及eEF2K-調(diào)節(jié)的自噬細胞死亡，我們手動添加Akt及其相關(guān)自噬通路到這個自噬通路中。因此，結(jié)合3個黃金標準和表1的數(shù)據(jù)，表明自噬通路是由15個自噬相關(guān)蛋白和Akt(總數(shù)為21)的相互作用形成的(見圖1C)。例如，eEF2K的程度是37，其鏈接到從GO注釋的自噬蛋白質(zhì)的程度是7且位于密集區(qū)域(網(wǎng)絡(luò)模塊區(qū)域)。此外，Akt的程度是8，其鏈接是2且位于密集區(qū)域(模塊)。同時，mTOR的程度是6；其鏈接是3且位于稀疏區(qū)。

注：A.總體PPI網(wǎng)絡(luò)；B.自噬PPI網(wǎng)絡(luò)；C.eEF2K子網(wǎng)絡(luò)。圖1 乳腺癌eEF2K-調(diào)控的自噬通路的識別(204 mm×237 mm)

2.3 MCF-7細胞的eEF2K-調(diào)控通路的靶點miRNA的預(yù)測

在上述的15個自噬相關(guān)蛋白質(zhì)中，我們分別通過TargetScan來預(yù)測了654個靶點miRNA，通過MiRanda來預(yù)測了2929個靶點miRNA，以及通過Diana-MicroH來預(yù)測了391個靶點miRNA。隨后，我們綜合了這些預(yù)測的相同結(jié)果，得到52個miRNA，其中hsa-miR-96、hsa-miR-100、hsa-miR-144、hsa-miR-17、hsa-miR-20、hsa-miR-20b、hsa-miR-106b、hsa-miR-93、hsa-miR-302a、hsa-miR-302b、hsa-miR-302c、hsa-miR-302d、hsa-miR-135a、hsa-miR-135b和hsa-miR-216a顯示為樞紐靶點蛋白質(zhì)(FAK2、JAK2、JAK3、MARK2、PAK1、ULK1、ULK2、WNK2、PI3K和MTOR)(見圖2B)。在三苯氧胺處理過的自噬應(yīng)激下的人類乳腺癌MCF-7細胞中，我們用微陣列顯著性(SAM)分析處理了不同微陣列表達的數(shù)據(jù)，來識別正常和惡性細胞之間不同的基因表達(見圖2B)。我們指明，這些蛋白質(zhì)被確認為不同表達的蛋白質(zhì)，提取功能樞紐蛋白質(zhì)，依賴于基因共表達譜，從而在腫瘤的自噬應(yīng)激下起關(guān)鍵的調(diào)控作用。由于這些微陣列數(shù)據(jù)，我們鑒別出了一些潛在的eEF2K-調(diào)控途徑，比如乳腺癌中的AKT-eEF2K-mTOR途徑。

值得注意的是，miRNA是高度保守的非編碼內(nèi)源性RNA，長度為22個核苷酸(nt)，眾所周知能調(diào)節(jié)癌癥的凋亡和自噬的通路，表明了miRNA的致癌和腫瘤抑制功能[38-40]。此外，我們確認了新的致癌和腫瘤抑制的miRNA-調(diào)節(jié)和eEF2K-調(diào)節(jié)的自噬途徑涉及了MCF-7細胞(見圖2C)。結(jié)論是，一個自噬的AKT-eEF2K-mTOR途徑可以被預(yù)測受hsa-miR-96、hsa-miR-100、hsa-miR-144(mTOR)、hsa-miR-561、hsa-miR-588、hsa-miR-661(Akt靶點)和hsa-miR-459、hsa-miR-22(eEF2K靶點)調(diào)控。我們先前的研究已報道了基于Bayesian模型的凋亡網(wǎng)絡(luò)可以鑒別一些可能作為樞紐蛋白質(zhì)的靶點的miRNA，這些蛋白有TP53、SRC、細胞周期-依賴激酶2/6、TNFR16/19和TGF-b受體1/2(39)。另外，我們最近的研究證明，在人類乳腺癌 MCF-7細胞中，自噬PPI網(wǎng)絡(luò)可以確認9個自噬樞紐蛋白質(zhì)和13個相關(guān)的致癌或腫瘤抑制miRNA。與以前的癌細胞凋亡或自噬的研究相比，我們首次報道了一些預(yù)測的乳腺癌細胞內(nèi)eEF2K-調(diào)節(jié)的自噬途徑的靶點miRNA。

注：A.凋亡和自噬中靶點eEF2K相互作用的miRNA預(yù)測；B.乳腺癌中eEF2K-調(diào)控途徑的基于miRNA的動力學(xué)；C.乳腺癌中eEF2K-調(diào)控途徑的基于miRNA的動力學(xué)。圖2 乳腺癌eEF2K-調(diào)控的自噬途徑的識別(187 mm×256mm)

2.4 eEF2K激酶域的保守分析

為了跟蹤eEF2K激酶域的保守性，筆者進行了人類和模式生物的eEF2K的主要氨基酸序列的比對。人類eEF2K激酶域與其模式生物的對應(yīng)體有大量一致序列，表明了物種之間的保守性(見圖3A)?；谶@個證據(jù)，精制虛擬錨定工具的幫助下，eEF2K已經(jīng)被選作一個潛在的抗癌藥物發(fā)現(xiàn)的靶點。

2.5 通過分子錨定預(yù)測新eEF2K靶點藥物

為了進一步錨定研究，對1447個FDA批準的小分子藥物通過分子錨定模擬進行了虛擬篩選，首先基于方格網(wǎng)的分值排名前100的藥物通過進一步琥珀錨定評估。兩個階段錨定過濾之后，我們分別確定了分值排名前20的藥物作為初始匹配記錄。預(yù)測結(jié)合到eEE2K新發(fā)現(xiàn)的10個抑制劑、相應(yīng)的方格網(wǎng)分數(shù)和琥珀分數(shù)如表1所示，分數(shù)越低的結(jié)合相互作用越強。據(jù)我們所知，這20個藥物至今還沒有被報道過是eEE2K的靶點。

表1 抑制劑及相應(yīng)的蛋白和基因

表1(續(xù))

然后，對全球eEE2K結(jié)合模式和新發(fā)現(xiàn)的9個抑制劑進行了分析。如圖3B所示，這20種藥物中每個都以一個共同的模式結(jié)合到eEE2K，也就是藥物結(jié)合到激酶兩個域之間的鉸鏈點上，是在ATP-結(jié)合位點。我們選定受體的三維結(jié)構(gòu)中的抑制劑吡唑基吡咯的錨定結(jié)構(gòu)的結(jié)合構(gòu)型，與圖3B所示相比，吡唑基吡咯似乎也穩(wěn)定存在于eEE2K ATP-結(jié)合位點?？紤]到一些抑制劑已被報道占據(jù)了激酶的變構(gòu)位點，因此對于變構(gòu)抑制劑功能，我們還研究了已鑒別抑制劑變構(gòu)抑制eEE2K的可能性。對eEE2K整個結(jié)構(gòu)(信號肽除外)錨定篩選后，沒有觀察到藥物殘留結(jié)合到除ATP-結(jié)合位點外其他部位的構(gòu)象。由于激酶的ATP-結(jié)合位點有至關(guān)重要的作用，ATP-位點-指向激酶抑制劑的發(fā)展是永恒的，有希望從化合物數(shù)據(jù)庫尋找新型抑制劑和從藥品數(shù)據(jù)庫執(zhí)行創(chuàng)新藥物開發(fā)，從而有選擇性地以eEE2K為治療干預(yù)靶點。隨后，我們進一步分析了這兩個藥物的相關(guān)信息，如活性機制、藥效、藥物相互作用、靶點等。

注：A.eEF2K蛋白激酶域保守性分析；B.eEF2K建模和錨定以及小分子化合物。圖3 蛋白激酶域保守性分析、分子建模和eEF2K錨定篩選小分子抑制劑(200 mm×241 mm)

2.6 分子動力學(xué)刺激的質(zhì)量保證

對這2種預(yù)測藥物(C03189329 C03830401)的MD刺激和相應(yīng)的eEE2K進一步確認其精確結(jié)合機制和相互作用穩(wěn)定性。均方根偏差(RMSD)是一個MD刺激時評估系統(tǒng)的穩(wěn)定性的重要參數(shù)。如圖4所示，分別在eEE2K和C03189329的第一次的1500 PS和1100 PS的快速增長后，有超過5000 PS力度，eEE2K-C03189329復(fù)合體達到穩(wěn)定狀態(tài)，eEE2K的平均主鏈RMSD和標準偏差在最后3000 PS為(0.20±0.025)?；分別在eEE2K和C03830401的第一次的2500 PS和3000 PS的迅速增加之后，在eEE2K-C03830401復(fù)合體達到穩(wěn)定狀態(tài)，eEE2K的平均主鏈RMSD和標準偏差在最后2000 PS為(0.19±0.015)?。上述數(shù)據(jù)顯示，所有這些eEE2K-藥物復(fù)合體經(jīng)過一段時間的動態(tài)變化后達到了他們的穩(wěn)定狀態(tài)。2種eEE2K-藥物系統(tǒng)的動能的動力學(xué)和潛在能量如圖4所示，我們可以看到，這兩個系統(tǒng)的動能和潛在的能量在整個MD過程中保持穩(wěn)定。

注：A.C03189329總能量；B.C03830401總能量；C.C03189329均方根偏差；D.C03830401均方根；E.eEF2K-C03189329系統(tǒng)中eEF2K的二級結(jié)構(gòu)；F.eEF2K-C03830401系統(tǒng)中eEF2K的二級結(jié)構(gòu)。圖4 eEF2K結(jié)合的“最佳匹配”小分子的分子動態(tài)模擬(180 mm×293 mm)

2.7 eEE2K作為抗癌藥物的潛在目標

基于MD刺激的結(jié)果，2種小分子eEE2K抑制劑(C03189329 C03830401)可以直接作為ERK2的ATP-結(jié)合位點的靶點并與ERK2穩(wěn)定地進行相互作用?？紤]到eEE2K參與不同的細胞過程，如細胞凋亡、分化和自噬，可以推測eEE2K靶向抑制劑通過調(diào)節(jié)自噬有希望成為一個新的臨床抗癌藥物。

[1] Guido K，Marja J.Lysosomes and autophagy in cell death control[J].Nat Rev Cancer，2005，5(11)：886-897.

[2] Beth L，Junying Y.Autophagy in cell death：an innocent convict?[J].J Clin Invest，2005，115(10)：2679-2688.

[3] Shengkan J，Dipaola R S，Robin M，et al.Metabolic catastrophe as a means to cancer cell death.[J].J Cell Sci，2007，120(Pt 3)：379-383.

[4] Jin S，White E.Role of autophagy in cancer：management of metabolic stress.[J].Autophagy，2007，3(1)：28-31.

[5] Kurt D，Robin M，Brian B，et al.Autophagy promotes tumor cell survival and restricts necrosis，inflammation，and tumorigenesis.[J].Cancer Cell，2006，10(1)：51-64.

[6] Ryazanov A G，Shestakova E A，Natapov P G.Phosphorylation of elongation factor 2 by EF-2 kinase affects rate of translation.[J].Nature，1988，334(6178)：170-173.

[7] Wu H，Yang J M，Jin S K，et al.Elongation factor-2 kinase regulates autophagy in human glioblastoma cells.[J].Cancer Res，2006，66(6)：3015-3023.

[8] Wu H，Zhu H D，Niu T，et al.Silencing of elongation factor-2 kinase potentiates the effect of 2-deoxy-D-glucose against human glioma cells through blunting of autophagy.[J].Cancer Res，2009，69(6)：2453-60.

[9] Py B F，Boyce M，Yuan J.A critical role of eEF-2K in mediating autophagy in response to multiple cellular stresses[J].Autophagy，2009，5(3)：393-396.

[10] Parmer T G，Ward M D，Yurkow E J，et al.Activity and regulation by growth factors of calmodulin-dependent protein kinase III(elongation factor 2-kinase)in human breast cancer.[J].Brit J Cancer，1999，79(1)：59-64.

[11] Bagaglio D M，Cheng E H，Gorelick F S，et al.Phosphorylation of elongation factor 2 in normal and malignant glial cells[J].Cancer Res，1993，53：2260-2264.

[12] Agaglio D M，Hait W N.Role of calmodulin-dependent phosphorylation of elongation factor 2 in the proliferation of rat glial cells.[J].Cell Growth Differ，1995，5(12)：1403-1408.

[13] Cheng E H，Gorelick F S，Czernik A J，et al.Calmodulin-dependent protein kinases in rat glioblastoma.[J].Cell Growth Differ，1995，6(5)：615-621.

[14] Arora S，Yang J M，Kinzy T G，et al.Identification and characterization of an inhibitor of eukaryotic elongation factor 2 kinase against human cancer cell lines[J].Cancer Res，2003,63(20)：6894-6899.

[15] Cheng Y，Li H J，Ren X C，et al.Cytoprotective effect of the elongation factor-2 kinase-mediated autophagy in breast cancer cells subjected to growth factor inhibition[J].Plos One，2010，5(3)：606-612.

[16] Prasad T S K，Kandasamy K，Pandey A.Human protein reference database and human proteinpedia as discovery tools for systems biology.[J].Methods in Molecular Biology，2009，577：67-79.

[17] Alfarano C，Andrade C E，Anthony K，et al.The Biomolecular interaction network database and related tools 2005 update[J].Nuceic Acids Res，2005，33(1)：418-424.

[18] Kerrien S，Alam-Faruque Y，Aranda B，et al.IntAct-open source resource for molecular interaction data[J].Nucleic Acids Res，2007，35：561-565.

[19] Persico M，Ceol A，Gavrila C，et al.HomoMINT：an inferred human network based on orthology mapping of protein interactions discovered in model organisms[J].Bmc Bioinformatics，2005，6(Suppl 4)：S21.

[20] Chris S，Bobby-Joe B，Andrew C A，et al.The BioGRID interaction database：2011 update.[J].Nuceic Acids Res，2011，39(1)：637-640.

[21] Ioannis X，Lukasz S，Xiaoqun Joyce D，et al.DIP，the database of interacting proteins：a research tool for studying cellular networks of protein interactions[J].Nucleic Acids Res，2002，30(1)：303-305.

[22] Fu L L，Zhou C C，Yao S，et al.Plant lectins：targeting programmed cell death pathways as antitumor agents.[J].Int J Biochem Cell Biol，2011，43(10)：1442-1449.

[23] Agarwal S，Deane C M，Porter M A，et al.Revisiting date and party hubs：novel approaches to role assignment in protein interaction networks.[J].PLoS Comput Biol，2010，6(6)：889-903.

[24] Ostlund G，Lindskog M，Sonnhammer E L.Network-based identification of novel cancer genes.[J].Mol Cell Proteomics，2010，9(4)：648-655.

[25] Qi Y，Ge H.Modularity and dynamics of cellular networks[J].PLoS Comput Biol，2006，2(12)：1502-1510.

[26] Laura G M，Jaehong P，Lihua Z，et al.High-throughput ectopic expression screen for tamoxifen resistance identifies an atypical kinase that blocks autophagy.[J].Proc Natl Acad Sci U S A，2011，108(5)：2058-2063.

[27] Zhang S.A comprehensive evaluation of SAM，the SAM R-package and a simple modification to improve its performance[J].Bmc Bioinformatics，2007，8(14)：1-12.

[28] Page R D M.Visualizing phylogenetic trees using TreeView//[M].Stenson P D,Ball E V,Mort M,et al.Current protocols in bioinformatics,2002：Chapter 6.

[29]Manavalan T T，Yun T，Appana S N，et al.Differential expression of microRNA expression in tamoxifen-sensitive MCF-7 versus tamoxifen-resistant LY2 human breast cancer cells[J].Cancer Lett，2011，313(1)：26-43.

[30] Friedman R，F(xiàn)arh K C，Bartel D.Most mammalian mRNAs are conserved targets of microRNAs[J].Genome Res，2011，19(1)：92-105.

[31] Krek A，Grün D，Poy M N，et al.Combinatorial microRNA target predictions[J].Nat Genet，2005，37(5)：495-500.

[32] Higgins D G，Sharp P M.CLUSTAL：a package for performing multiple sequence alignment on a microcomputer.[J].Gene，1988，73(1)：237-244.

[33] P Therese L，Brozell S R，Sudipto M，et al.DOCK 6：combining techniques to model RNA-small molecule complexes[J].RNA，2009，15(6)：1219-1230.

[34] Dolinsky T J，Paul C，Hui L，et al.PDBPQR：expanding and upgrading automated preparation of biomolecular structures for molecular simulations[J].Nucleic Acids Res，2008，35(14)：522-525.

[35] David V D S，Lindahl E，Hess B，et al.GROMACS：fast，flexible，and free[J].J Comput Chem，2005，26(16)：1701-1718.

[36] Schüttelkopf A W，Van Aalten D M F.PRODRG：a tool for high-throughput crystallography of protein-ligand complexes[J].Acta Crystallogr D Biol Crystallogr，2004，60(8)：1355-1363.

[37] Kunz A P E，Allison J R，Geerke D P，et al.New functionalities in the GROMOS biomolecular simulation software[J].J Comput Chem，2012，33(3)：340-353.

[38] Humphrey W，Dalke A，Schulten K.VMD：visual molecular dynamics.[J].J Mol Graph Model，1996，14(1)：33-38.

[39] Fu L L，Xin W，Bao J K，et al.MicroRNA-modulated autophagic signaling networks in cancer[J].Int J Biochem Cell Biol，2012，44(5)：733-736.

[40] Fu L L，Zhao X，Xu H L，et al.Identification of microRNA-regulated autophagic pathways in plant lectin-induced cancer cell death[J].Cell Prolif，2012，45(5)：477-485.

NetworkAnalysisofNovelAntitumorDrugTargetingeEF2KinaseRegulatingAutophagySignalingPathway

LIUHuan1，ZHANGKe2，WANGHangyu2*，ZHONGYining1*

(1.GuangxiUniversityofTraditionalChineseMedicine，Nanning530299，China；2.SchoolofPharmacy，ShiheziUniversity，Shihezi832002，China)

Objective：EEF-2 kinase is likely to be important component of large mammals autophagy, seek recognition in computer with eEF-2 k regulation of cell autophagy pathway for targets of new antitumor drugs.EEF-2 kinase is likely to be an important component of mammalian autophagy，and a new anti-tumor drug targeting the eEF-2 kinase signaling pathway may solve this problem.Methods：A series of biological information method and several experiment steps such as network construction，hub protein identification，microarray analyses，targeted microRNA prediction and molecular docking were applied for the determination of new antitumor drugs.Results：The data form several online database were modified into the basis of the eEF-2K associated protein interaction network and a global network of human work was built by authors.Based on the different expression of autophagy genes，the key protein of eEF-2K regulating autophagy was determined.Subsequently，it was confirmed that miRNA was able to target the autophagy of eEF-2K.Finally，in the DrugBank and ZINC databases，a series of molecular compounds that can targeted at eEF-2K in breast tumor cells were scanned.Conclusion：the new small molecule product with eEF-2K as the target was confirmed，and the antitumor drugs were predicted.These findings may provide further clues to reveal a complex relationship between eEF-2K and autophagy and discovery the possible cancer drugs.

eEF-2K；autophagy；tumor；AKT

2016-01-12)

廣西科技攻關(guān)計劃項目(桂科重1298001-2-7,桂科攻1346008-4)；廣西自然基金(2014GXNSFAA118271)；2014年博士研究生教育發(fā)展項目(050140002)

*

鐘益寧，副教授，研究方向：中藥藥效物質(zhì)基礎(chǔ)研究，E-mail：1186638898@qq.com；王航宇，副教授， 研究方向：中藥和天然藥物研究，E-mail：18909932852@189.cn

10.13313/j.issn.1673-4890.2017.3.009