基于Hypogen 藥效團(tuán)模型發(fā)現(xiàn)潛在的PTP1B 抑制劑

晉文燕，趙振宇

天津醫(yī)科大學(xué)朱憲彝紀(jì)念醫(yī)院，天津市內(nèi)分泌研究所，國(guó)家衛(wèi)建委激素與發(fā)育重點(diǎn)實(shí)驗(yàn)室，天津市代謝性疾病重點(diǎn)實(shí)驗(yàn)室，天津 300134

蛋白酪氨酸磷酸酶1B（PTP1B）是一種非跨膜磷酸酶，是代謝信號(hào)通路的負(fù)調(diào)節(jié)因子。許多研究表明，PTP1B 是糖尿病和肥胖癥的藥物治療靶點(diǎn)，也在癌癥的治療中也起關(guān)鍵的作用[1]。癌癥是一類生長(zhǎng)不受機(jī)體控制，具有無限增殖能力的一種惡性增殖性疾病。研究顯示，2016 年我國(guó)新發(fā)癌癥病例約406.4 萬例，新發(fā)癌癥死亡病例241.35 萬例[2]。2020 年，我國(guó)癌癥占全球新診斷病例的24%，癌癥相關(guān)死亡人數(shù)的30%[3]。而到2022 年，中國(guó)新增約482 萬癌癥病例，其中死亡病例321 萬例[4]，發(fā)病率和死亡率均在上升。因此，發(fā)現(xiàn)治療癌癥的潛在藥物迫在眉睫。PTP1B 水平異常可導(dǎo)致多種癌癥，如乳腺癌、前列腺癌、胃癌等[5-6]。胃癌細(xì)胞中PTP1B基因的缺失研究表明，細(xì)胞的增殖，集落的形成、遷移、侵襲和細(xì)胞周期均受到抑制。PTP1B 可以去磷酸化并激活C-Src，當(dāng)C-Src 被激活時(shí)，多種細(xì)胞內(nèi)底物被磷酸化，從而影響細(xì)胞分裂、分化和遷移。在多種人類癌癥中，特別是在結(jié)腸癌和乳腺癌中已經(jīng)發(fā)現(xiàn)C-Src 激酶活性的升高，其機(jī)制之一是PTP1B 通過其負(fù)調(diào)控位點(diǎn)的去磷酸化來激活CSrc。由PTP1B 活性失衡引起的異常細(xì)胞增殖已經(jīng)涉及人類的許多癌癥。因此，PTP1B 成為治療癌癥的潛在靶標(biāo)。

本研究通過計(jì)算機(jī)輔助藥物設(shè)計(jì)的方法發(fā)現(xiàn)潛在的PTP1B 抑制劑。首先建立Hypogen 藥效團(tuán)模型，用藥效團(tuán)模型對(duì)ZINC 數(shù)據(jù)庫(kù)進(jìn)行虛擬篩選得到先導(dǎo)化合物ZINC35671983，然后對(duì)先導(dǎo)化合物進(jìn)行片段替換，得到潛在的目標(biāo)化合物，并對(duì)這些化合物進(jìn)行ADMET 預(yù)測(cè)。符合成藥規(guī)則的化合物進(jìn)行分子對(duì)接，最后篩選出8 個(gè)對(duì)接得分高于ZINC35671983 的化合物，即潛在的PTP1B 抑制劑。

1 材料和方法

1.1 訓(xùn)練集和測(cè)試集的準(zhǔn)備

3D QSAR 藥效團(tuán)模型的建立需要結(jié)構(gòu)的多樣性，因此本研究選用文獻(xiàn)中已經(jīng)報(bào)道的39 個(gè)PTP1B抑制劑作為訓(xùn)練集和測(cè)試集[16-17]。訓(xùn)練集的化合物滿足至少有16 個(gè)不同的抑制劑，生物活性跨度至少是4 個(gè)數(shù)量級(jí)，其中21 個(gè)化合物為訓(xùn)練集（圖1），18 個(gè)化合物為測(cè)試集（圖2）用于驗(yàn)證藥效團(tuán)模型。

圖1 PTP1B 的21 個(gè)訓(xùn)練集化合物的結(jié)構(gòu)和IC50Fig.1 Chemical structures and IC50 of 21 training set compounds for PTP1B

圖2 PTP1B 的18 個(gè)測(cè)試集化合物的結(jié)構(gòu)和IC50Fig.2 Chemical structures and IC50 of 18 test set compounds for PTP1B

1.2 3D QSAR 藥效團(tuán)模型的建立

本研究用Discovery Studio（DS）中的Hypogen算法建立3D QSAR 藥效團(tuán)模型[7-8]。Hypogen 的建立選用疏水中心（HYB），氫鍵受體（HBA），苯環(huán)中心（RA）3 種特征，其最小數(shù)量設(shè)置為0，最大數(shù)量設(shè)置為2。訓(xùn)練集的21 個(gè)化合物的不確定值設(shè)定為3。通過參數(shù)R2、RMSD、null cost、total cost值來選擇產(chǎn)生的10 個(gè)藥效團(tuán)中的最佳模型。RMSD值越小，R2越大，和△cost（null cost－total cost）值越大，則說明藥效團(tuán)模型越好。然后，用測(cè)試集驗(yàn)證方法和Fisher 隨機(jī)驗(yàn)證方法來驗(yàn)證藥效團(tuán)的可靠性[18]。

1.3 虛擬篩選、片段替換和ADMET 預(yù)測(cè)

用DS 中“l(fā)igand pharmacophore mapping”模塊對(duì)ZINC 數(shù)據(jù)庫(kù)進(jìn)行虛擬篩選得到先導(dǎo)化合物ZINC35671983，其中藥效團(tuán)則選擇1.2 項(xiàng)下的最佳模型。然后，用DS 中的骨架躍遷（scaffold hopping）對(duì)先導(dǎo)化合物進(jìn)行片段替換[19]，得到的化合物用“ADMET descriptors”模塊進(jìn)行化合物在體內(nèi)吸收、分布、代謝、排泄和毒性的預(yù)測(cè)[20]，篩選出符合成藥規(guī)則的化合物。

1.4 分子對(duì)接

用DS 中的Cdoker 來計(jì)算受體-配體的相互作用[21]。第1 步：蛋白準(zhǔn)備。用DS 中的“clean protein”模塊對(duì)PTP1B（PDB ID：2QBQ）蛋白分子進(jìn)行優(yōu)化、去水、加氫和刪除其他構(gòu)象。第2 步：定義受體蛋白PTP1B 的活性位點(diǎn)：Tyr46、Asp48、Phe182、Cys215、Ser216、Ile219、Arg221、Met258、Gln262、Gln266[22-23]。第3 步：配體準(zhǔn)備，用DS 中的“l(fā)igand preparation”刪除二聚體，計(jì)算同分異構(gòu)體，產(chǎn)生3D構(gòu)象，計(jì)算離子狀態(tài)。第4 步：用“Cdocker”進(jìn)行蛋白-配體對(duì)接[12]。Cdocker_Energy 值用來評(píng)價(jià)蛋白-配體的結(jié)合親和力，值越大表示受體與配體有更好的親和力。

2 結(jié)果

2.1 3D-QSAR 藥效團(tuán)模型的建立

用DS 中的Hypogen 算法產(chǎn)生了PTP1B 抑制劑的10 個(gè)藥效團(tuán)模型及分析數(shù)據(jù)如表1 所示。cost分析是評(píng)價(jià)3D-QSAR 藥效團(tuán)模型的最基本方法。其中，△cost 是評(píng)價(jià)一個(gè)藥效團(tuán)模型的重要指標(biāo)?！鱟ost 值在40～60，表示藥效團(tuán)模型的置信區(qū)間為75%～90%，若△cost 值＜40，則表示模型的置信區(qū)間降為50%以下。R2用來評(píng)價(jià)藥效團(tuán)模型和結(jié)構(gòu)-活性關(guān)系的相關(guān)性，其值越接近1 越好。RMS 值不應(yīng)超過1。由表1 可知，Hypogen 算法產(chǎn)生的10 個(gè)PTP1B 抑制劑藥效團(tuán)模型的△cost 均＞40，表明這些藥效團(tuán)模型的可信度較高。其中藥效團(tuán)模型Hypo-1-PTP1B 的RMS 值（0.559）最低，R2（0.971）值最大，△cost 值（50.419）最大，因此Hypo-1-PTP1B是最好的藥效團(tuán)模型。

表1 Hypogen 算法產(chǎn)生PTP1B 的10 個(gè)藥效團(tuán)模型Table 1 10 Pharmacophore models of PTP1B generated by Hypogen algorithm

表2 為訓(xùn)練集21 個(gè)化合物的實(shí)際值和基于Hypo-1-PTP1B 藥效團(tuán)的預(yù)測(cè)值。首先將訓(xùn)練集的21 個(gè)化合物劃分為3 個(gè)等級(jí)，高活性（0～150 nmol/L，＋＋＋），中等活性（150～10 000 nmol/L，＋＋），無活性（＞10 000 nmol/L，＋）。由表2 可知，4 個(gè)高活性化合物能夠被準(zhǔn)確預(yù)測(cè)，7 個(gè)中等活性化合物中僅有1 個(gè)化合物未準(zhǔn)確，10 個(gè)無活性化合物也均被準(zhǔn)確預(yù)測(cè)，這說明Hypo-1-PTP1B 藥效團(tuán)能很好的預(yù)測(cè)化合物的活性值。訓(xùn)練集中活性最好的化合物1（IC50＝26 nmol/L）與活性最差的化合物18（IC50＝83 μmol/L）與Hypo-1-PTP1B 的匹配情況如圖3 所示，活性最好的化合物能與Hypo-1-PTP1B藥效團(tuán)的HBA、HYD、RA、RA 的4 個(gè)特征相匹配，活性最差的化合物也可以與HBA 和HYD 特征匹配。訓(xùn)練集的R2如圖4 所示，實(shí)際值與預(yù)測(cè)值的R2為0.936 7，這也進(jìn)一步表明Hypo-1-PTP1B 具有預(yù)測(cè)訓(xùn)練集分子活性的能力。

表2 基于藥效團(tuán)Hypo-1 的訓(xùn)練集化合物的預(yù)測(cè)活性和Fit 值Table 2 Predicted activity and Fit values of training set compounds based on drug Hypo1

圖3 訓(xùn)練集中化合物與Hypo-1-PTP1B 藥效團(tuán)的特征匹配圖Fig.3 Alignment of Hypo-1-PTP1B to training set compounds

圖4 基于Hypo-1-PTP1B 藥效團(tuán)的測(cè)試集和訓(xùn)練集化合物實(shí)際值和預(yù)測(cè)值的R2Fig.4 R2 of the actual and predicted values of compounds based on the test set and training set of Hypo-1-PTP1B pharmacophore

2.2 3D-QSAR 藥效團(tuán)模型的驗(yàn)證

2.2.1 測(cè)試集方法驗(yàn)證 用測(cè)試集方法驗(yàn)證Hypo-1-PTP1B 藥效團(tuán)模型的可靠性[24]。首先把測(cè)試集中的18 個(gè)化合物劃分為3 個(gè)等級(jí)，高活性（0～150 nmol/L，＋＋＋），中等活性（150～10 000 nmol/L，＋＋），無活性（＞10 000 nmol/L，＋）。測(cè)試集的實(shí)際值和預(yù)測(cè)數(shù)據(jù)如表3 所示：5 個(gè)高活性化合物被準(zhǔn)確預(yù)測(cè)，活性值均為同一等級(jí)，13 個(gè)中等活性化合物中有1 個(gè)化合物未被準(zhǔn)確預(yù)測(cè)，這也在誤差范圍之內(nèi)，這說明Hypo-1-PTP1B 藥效團(tuán)模型較為可靠。另外，由圖4 可知：測(cè)試集化合物的預(yù)測(cè)值與實(shí)際值的R2為0.622，這也進(jìn)一步表明Hypo-1-PTP1B 具有較好的活性預(yù)測(cè)能力。

表3 基于藥效團(tuán)Hypo-1-PTP1B 的測(cè)試集化合物的預(yù)測(cè)活性和Fit 值Table 3 Predicted activity and Fit values of test set compounds based on pharmacophore Hypo-1-PTP1B

2.2.2 Fisher 隨機(jī)驗(yàn)證 用Fisher 隨機(jī)驗(yàn)證方法進(jìn)一步驗(yàn)證藥效團(tuán)的可靠性[18,24]。在95%的置信水平下，與Fisher 驗(yàn)證產(chǎn)生的19 個(gè)隨機(jī)藥效團(tuán)相比，最初建立的Hypo-1-PTP1B 藥效團(tuán)模型具有更低的total cost 值，見圖5。

圖5 19 個(gè)隨機(jī)產(chǎn)生的藥效團(tuán)與Hypo-1-PTP1B 藥效團(tuán)模型的total costFig.5 Total cost of 19 randomly generated pharmacophore and Hypo-1-PTP1B pharmacophore model

2.3 虛擬篩選與片段替換

用2.1 項(xiàng)下的Hypo-1-PTP1B 藥效團(tuán)對(duì)ZINC 數(shù)據(jù)庫(kù)進(jìn)行虛擬篩選，得到 Fit 值高的化合物ZINC35671983，結(jié)構(gòu)如圖6 所示。以ZINC35671983為先導(dǎo)化合物進(jìn)行分子改造，得到Fit 值較好的92個(gè)化合物（表4）。然后這些化合物用ADMET 進(jìn)行化合物吸收、分布、代謝、排泄和毒性的預(yù)測(cè)，最后對(duì)成藥規(guī)則較好的55 個(gè)化合物進(jìn)行分子對(duì)接。

表4 ADMET 預(yù)測(cè)的結(jié)果Table 4 Results of ADMET prediction

圖6 A 部分通過篩選數(shù)據(jù)庫(kù)進(jìn)行片段替換Fig.6 A was replaced by searching the fragment libraries

2.4 分子對(duì)接

把55 個(gè)化合物對(duì)接進(jìn)PTP1B 的活性中心。以ZINC35671983 的對(duì)接得分（24.34）為對(duì)照，得到8 個(gè)對(duì)接得分高于ZINC35671983 的化合物，圖7為8 個(gè)化合物的結(jié)構(gòu)，對(duì)接得分值如表5 所示。圖8 是化合物與PTP1B 活性位點(diǎn)對(duì)接得到的受體-配體結(jié)合相互作用圖?；衔? 不僅產(chǎn)生了相同的氫鍵作用力和范德華力，還比ZINC35671983 多1 個(gè)氫鍵作用和1 個(gè)Pi 作用力。這是由于分子改造后的化合物1 比ZINC35671983 多1 個(gè)共軛雜環(huán)，能更好地與PTP1B 活性中心相結(jié)合，與藥效團(tuán)中的特征匹配相對(duì)應(yīng)。

表5 8 個(gè)潛在PTP1B 抑制劑的對(duì)接得分值Table 5 Docking scores for eight potential PTP1B inhibitors

圖7 8 個(gè)潛在PTP1B 抑制劑的結(jié)構(gòu)Fig.7 Structure of 8 potential PTP1B inhibitors

圖8 化合物和ZINC35671983（B）與PTP1B（PDB ID: 2QBQ）的配體–受體相互作用圖Fig.8 Ligand-receptor interaction diagram of compound 1 (A) and ZINC35671983 (B) with PTP1B (PDB ID:2QBQ)

3 討論

本研究的目的是發(fā)現(xiàn)新的PTP1B 抑制劑能有效治療癌癥，建立3D-QSAR 藥效團(tuán)模型Hypo-1-PTP1B。隨后，對(duì)ZINC 數(shù)據(jù)庫(kù)進(jìn)行虛擬篩選得到先導(dǎo)化合物 ZINC35671983。用一種新的方法“Scaffold Hopping”對(duì)先導(dǎo)化合物進(jìn)行結(jié)構(gòu)改造，然后用“Cdoker”的對(duì)接方法進(jìn)行分子對(duì)接研究，選出對(duì)接得分最高的8 個(gè)化合物。與ZINC35671983相比，化合物1 在藥效團(tuán)中能與所有特征匹配，并且在分子對(duì)接中有更高的對(duì)接得分。8 個(gè)化合物成為潛在的PTP1B 抑制劑，這為癌癥新藥的發(fā)現(xiàn)提供了一種新的方法。

利益沖突 所有作者均聲明不存在利益沖突