基于虛擬篩選的3D QSAR藥效團(tuán)設(shè)計(jì)CDC25B抑制劑

李 煜，晉文燕，李紅蓮，王潤玲，馬 英

（天津醫(yī)科大學(xué)藥學(xué)院，天津市臨床藥物關(guān)鍵技術(shù)重點(diǎn)實(shí)驗(yàn)室，天津300070）

癌癥的特征是細(xì)胞周期會發(fā)生紊亂并且細(xì)胞會惡性增殖。2012年的癌癥患者約有1 410萬名，2014年導(dǎo)致我國人群期望壽命損失的疾病以癌癥為首，占比高達(dá)20.73%，癌癥患者發(fā)病率將在2020年前增至1 685萬[1]。因此，發(fā)現(xiàn)特異性抗癌藥物迫在眉睫。CDC25B是由細(xì)胞周期蛋白依賴性激酶去除磷酸鹽和進(jìn)一步激活蛋白激酶復(fù)合物，從而影響細(xì)胞周期的進(jìn)展。它通過調(diào)整CDK2/cyclin和CDK1/CyclinA在G2/M轉(zhuǎn)變中發(fā)揮重要作用。CDC25B在腫瘤組織中的表達(dá)水平是正常水平的3倍，這反過來又會促進(jìn)腫瘤的生長。此外，研究表明CDC25B異常出現(xiàn)在乳腺癌、肺癌、頭頸癌等癌癥的癌細(xì)胞周期的早期階段[2]。細(xì)胞增殖水平異常已經(jīng)涉及到許多人類癌癥。因此，CDC25B成為治療癌癥的潛在靶點(diǎn)。本研究利用計(jì)算機(jī)輔助藥物設(shè)計(jì)（CADD）的方法來設(shè)計(jì)CDC25B抑制劑。我們建立了CDC25B的3DQSAR藥效團(tuán)模型篩選ZINC數(shù)據(jù)庫，得到先導(dǎo)化合物Zinc-09340418。隨后，對該化合物進(jìn)行片段替換，通過虛擬篩選得到fitvalue高于7.7的化合物并對這些化合物進(jìn)行ADME預(yù)測。利用柔性對接進(jìn)一步篩選出對接得分高于ZINC 09340418的化合物。此研究發(fā)現(xiàn)6個(gè)潛在的CDC25B抑制劑。

1　材料和方法

1.1化合物的選擇和數(shù)據(jù)集的準(zhǔn)備選取38個(gè)已報(bào)道的CDC25B抑制劑建立藥效團(tuán)模型。訓(xùn)練集的化合物滿足（1）至少有16個(gè)不同的抑制劑；（2）生物活性跨度至少是4個(gè)數(shù)量級。其中17個(gè)化合物（圖1）為訓(xùn)練集，剩下的21個(gè)化合物（圖2）作為測試集構(gòu)建藥效團(tuán)模型。

1.2藥效團(tuán)模型的構(gòu)建和驗(yàn)證利用DS中Hypogen算法構(gòu)建藥效團(tuán)模型[3]。HBA和HBD的數(shù)量分別設(shè)定為1-2，HYP的數(shù)量設(shè)置為2-3,Uncert設(shè)為2。產(chǎn)生的藥效團(tuán)模型用fixed cost,null cost和total cost來進(jìn)行評估。用cost analyses,test sets prediction和Fischer randomization驗(yàn)證藥效團(tuán)的可靠性[4]。

圖1　CDC25B抑制劑的17個(gè)訓(xùn)練集化合物分子結(jié)構(gòu)Fig 1　Chemical structures of 17 training set compounds for CDC25B

圖2　CDC25B抑制劑的21個(gè)測試集化合物分子結(jié)構(gòu)Fig 2 Chemical structures of 21 test set compounds for CDC25B

1.3虛擬篩選和片段替換對ZINC數(shù)據(jù)庫進(jìn)行虛擬篩選，篩選出fit value高于7.7的化合物，得到Zinc-09340418。利用‘Replace Fragment’替換該化合物的片段[5]，對得到的新化合物進(jìn)行藥效團(tuán)篩選，得到fit value高的化合物。對這些化合物進(jìn)行ADME預(yù)測，篩選出符合利平斯基的成藥五規(guī)則化合物。

1.4柔性對接DS中的Flexible Docking來分析配體和靶蛋白之間的相互作用。第一步，通過“Clean protein”工具對 CDC25B（PDB ID：1cwt）進(jìn)行蛋白準(zhǔn)備[6]。第二步是使用chiflex計(jì)算受體構(gòu)象能量[7]。第三步是配體準(zhǔn)備。第四步是定義活性位點(diǎn)，包含Leu398,Glu431,Glu446,Cys473,Glu474,Phe475,Ser476,Ser477,Glu478,Arg 479,Arg482,Cys484[8-11]。第五步是使用ChiRotor[12]細(xì)化蛋白質(zhì)側(cè)鏈。第六步是用Flexible Docking進(jìn)行分子對接。

2　結(jié)果

2.1藥效團(tuán)模型和驗(yàn)證藥效團(tuán)模型的優(yōu)劣判斷主要是依據(jù)RMS、Correation coefficient Configuration cost值以及△cost值（Null cost與Total cost的差值）。利用DS中HypoGen算法產(chǎn)生10個(gè)CDC25B抑制劑的藥效團(tuán)模型，所得結(jié)果如表1所示。Hypo-1-CDC25B為最好的模型，包含1個(gè)HBA，HBD，一個(gè)HYP和1個(gè)RA。用Fischer randomization方法驗(yàn)證該藥效團(tuán)的可靠性。

表1　HypoGen算法產(chǎn)生的10個(gè)CDC25B抑制劑的藥效團(tuán)模型的結(jié)果Tab 1 Results obtained from pharmacophore hypotheses generation using the training set molecules of CDC25B

2.2虛擬篩選利用ZINC數(shù)據(jù)庫的虛擬篩選技術(shù)，得到fit value高的化合物Zinc-09340418。以Zinc-09340418為先導(dǎo)化合物進(jìn)行片段替換（圖3）,發(fā)現(xiàn)具有高抑制活性和良好fit value值的化合物。這些化合物用利平斯基的五法則進(jìn)一步篩選，最后26個(gè)化合物對接研究。與Zinc-09340418相比，26個(gè)化合物具有較高的fit value。以compound1為代表，Zinc-09340418和 compound1在 Hypo-1-CDC25B模型中的結(jié)合模式見圖4。Zinc-09340418和compound1能與藥效特征（氫鍵受體、氫鍵給體、疏水基團(tuán)、芳環(huán)中心）對應(yīng)。

圖3　A通過數(shù)據(jù)庫篩選進(jìn)行片段替換Fig 3 A was replaced by searching the fragment libraries

圖4　ZINC09340418和compound1與CDC25B藥效團(tuán)模型的結(jié)合圖Fig 4 Illustration to show the pharmacophore model of CDC25B generated by Hypogen and the conformation obtained by docking ZINC09340418 and compound 1,respectively,to CDC25B

2.3柔性對接把26個(gè)化合物對接到CDC25B蛋白結(jié)合口袋。以Zinc-09340418與受體復(fù)合物的結(jié)合能為基準(zhǔn)（-CDOCKER ENERGY=38.6714）選出6個(gè)對接得分高于Zinc-09340418的化合物（圖5），表2是6個(gè)化合物的對接得分以及ADME參數(shù)值。通過對接模擬得到的受體-配體相互作用的結(jié)果表明，配體與受體結(jié)合的關(guān)鍵殘基與以前的報(bào)告完全一致。圖6A是compound1對接到CDC25B活性位點(diǎn)的2D圖。圖6B是Zinc-09340418對接到CDC25B活性位點(diǎn)的2D圖。而compound1不僅產(chǎn)生了相同的范德瓦爾斯與疏水相互作用，還多產(chǎn)生了一個(gè)Pi相互作用和疏水作用。Compound1與Zinc-09340418相比多了一個(gè)芳香環(huán)。

圖56　個(gè)潛在的CDC25B抑制劑的分子結(jié)構(gòu)Fig 5 Six potential inhibitors against PTP1B and CDC25B

圖6　化合物1和ZINC 09340418對接到CDC25B(1CWT)活性位點(diǎn)的2D圖Fig 6 Illustration to show 2D diagram of compound 1 and ZINC 09340418dockedintotheactivesiteoftheCDC25B(1CWT)

表2　按對接得分排名的前6個(gè)合物與CDC25B的對接得分及其他參數(shù)Tab 2 The 6 compounds ranked roughly according to the strength of their docking scores to the CDC25B

3　討論

本研究的目的是發(fā)現(xiàn)新型有效的抗癌藥物。我們使用新技術(shù) “Hypogen”構(gòu)建藥效團(tuán)模型Hypo-1-CDC25B。隨后，滿足利平斯基成藥五規(guī)則的26個(gè)化合物是通過對ZINC數(shù)據(jù)庫的虛擬篩選得到?；谒幮Щ鶊F(tuán)的虛擬篩選和對接分析后，選出得分最高的前6個(gè)化合物。與ZINC 09340418相比，compound1不僅有相似的功能，在對接中有更好的結(jié)合構(gòu)象。6個(gè)化合物可能成為潛在的候選藥物，這一發(fā)現(xiàn)提供一種對抗癌癥的很有前途的方法。

參考文獻(xiàn):

[1]蔡玥，孟群，王才有，等.2015-2020年我國居民預(yù)期壽命測算及影響因素分析[J]．中國衛(wèi)生統(tǒng)計(jì),2016,33(8)：2

[2]Sasaki H,Yukiue H,Kobayashi Y,et al.Expression of the cdc25B gene as a prognosis marker in non-small cell lung cancer[J].Cancer letters,2001,173(2):187

[3]Garg D,Gandhi T,Mohan C G.Exploring QSTR and toxicophore of hERG K+channel blockers using GFA and HypoGen techniques[J].J Mol Graph Mode,2008,26(6):966

[4]Kumar R,Son M,Bavi R,et al.Novel chemical scaffolds of the tumor marker AKR1B10 inhibitors discovered by 3D QSAR pharmacophore modeling[J].Acta Pharmacol Sin,2015,36(8):998

[5]Gangwal R P,Das N R,Thanki K,et al.Identification of p38 alpha MAP kinase inhibitors by pharmacophore based virtual screening[J].J Mol Graph Mode,2014,49：18

[6]Ma Y,Jin Y Y,Wang Y L,et al.The discovery of a novel and selective inhibitor of PTP1B over TCPTP:3D QSAR pharmacophore modeling,virtual screening,synthesis,and biological evaluation[J].Chem Drug Design,2014,83(6):697

[7]Spassov V Z,Yan L,Flook P K.The dominant role of side-chain backbone interactions in structural realization of amino acid code.ChiRotor:A side-chain prediction algorithm based on side-chain backbone interactions[J].Protein Sci,2007,16,(3):494

[8]Martin K R,Narang P，Medina-Franco J L,et al.Integrating virtual and biochemical screening for protein tyrosine phosphatase inhibitor discovery[J].Methods,2014,65(2):219

[9]Lavecchia A Di,Giovanni C,Pesapane A,et al.Discovery of new inhibitors of Cdc25B dual specificity phosphatases by structurebased virtual screening[J].J Med Chem,2012,55(9):4142

[10]Huang N,Kalyanaraman C,Bernacki K,et al.Molecular mechanics methods for predicting protein-ligand binding[J].PCCP,2006,8(44):5166

[11]Braud E,Goddard M L,Kolb S,et al.Novel naphthoquinone and quinolinedione inhibitors of CDC25 phosphatase activity with antiproliferativeproperties[J].BioorgMedChem,2008,16(19):9040

[12]Spassov V Z,Yan L,Flook P K.The dominant role of side-chain backbone interactions in structural realization of amino acid code.ChiRotor:a side-chain prediction algorithm based on side-chain backbone interactions[J].Protein Sci,2007,16(3):494