【摘要】：苗頭化合物的發(fā)現(xiàn)是新藥研發(fā)過程中的關鍵環(huán)節(jié)之一。組合化學、高通量篩選等技術的出現(xiàn)雖然顯著加快了新化合物的合成和篩選速度,但其昂貴的費用和低下的成功率卻嚴重限制了它們在苗頭化合物發(fā)現(xiàn)中的應用。虛擬篩選作為一種與高通量篩選互補的新技術,受到了研究機構和制藥企業(yè)越來越多的關注和重視。利用虛擬篩選技術可以針對特定靶標,從海量虛擬化合物庫中快速富集具有潛在活性的分子,大幅減少實驗篩選階段受測試化合物數(shù)量,并有效提高篩選的成功率。近年來,隨著生物大分子三維結構被不斷解析,基于分子對接的虛擬篩選方法在苗頭化合物發(fā)現(xiàn)研究中的優(yōu)勢愈加明顯。然而,現(xiàn)有分子對接理論本身并不完善,加之對接程序眾多且性能不一,在實際使用中的成功率往往千差萬別。因此,如何通過制定和優(yōu)化篩選方案來提高成功率是基于分子對接的虛擬篩選中的重要研究課題。在本論文中,我們首先系統(tǒng)評估了主流分子對接程序在不同類型靶標上的性能,然后針對這些對接程序存在的不足提出了改進的方法和策略,最后將所發(fā)展的方法應用于實際虛擬篩選項目并獲得成功。本論文主要研究內(nèi)容及結果如下:(1)系統(tǒng)評估了包括AutoDock、AutoDock Vina、LeDock、rDock、UCSF DOCK、LigandFit、Glide、GOLD、MOE Dock、Surflex-Dock在內(nèi)的10種常用分子對接程序針對傳統(tǒng)靶標的構象采樣性能和打分性能。在所測試的程序中,GOLD和LeDock程序擁有最佳的構象采樣性能,其中GOLD的最高打分構象成功率為59.8%,LeDock的最佳構象成功率為80.8%。AutoDock Vina擁有最佳打分性能,最高打分構象的打分值與實驗值之間的皮爾遜相關系數(shù)(rp)和斯皮爾曼等級相關系數(shù)(rs)分別為0.564和0.568�？傊�,受測試的對接程序在大多數(shù)情況下能識別出配體的正確結合構象,但對結合強度的預測則相對較差,且不同蛋白家族間存在較大差異。(2)基于2P2IDB數(shù)據(jù)庫,分別對現(xiàn)有PPI小分子抑制劑的結構特征和PPI靶標結合口袋的特點進行了統(tǒng)計分析。我們發(fā)現(xiàn)氯代共軛基團和酰胺連接鏈是PPI小分子抑制劑的兩類優(yōu)勢結構片段,PPI靶標結合口袋的“可藥性”僅稍差于傳統(tǒng)靶標。此外,還評估了包括AutoDock Vina、PLANTS、rDock、Glide、GOLD和Surflex-Dock在內(nèi)的6種分子對接程序針對PPI靶標的構象采樣性能和篩選性能。結果顯示,它們的總體采樣性能尚可接受,但其篩選性能則普遍表現(xiàn)較差。(3)構建了 PPI小分子抑制劑對接構象排序性能測試數(shù)據(jù)集,評估了Schrodinger軟件包中的2種Prime MM/GBSA計算流程和Amber程序包中的7種MM/PB(GB)SA計算流程對PPI小分子抑制劑結合構象的預測能力。我們發(fā)現(xiàn)MM/PBSA方法要明顯優(yōu)于對接打分函數(shù)和MM/GBSA方法,其中PB3計算流程的成功率可達74%。GB6計算流程在所有MM/GBSA方法中表現(xiàn)最佳,其成功率為68.9%。此外,還進一步建立了用于PPI小分子抑制劑對接構象重打分的在線計算平臺farPPI(http://cadd.zju.edu.cn/farppi/)。(4)基于分子對接、MM/PB(GB)SA和傘形采樣方法對一系列嘧啶酮類USP7小分子抑制劑的結合強度進行了預測。相比于分子對接,MM/PB(GB)SA方法可以顯著提高結合強度的預測精度,其中GB1流程綜合表現(xiàn)最佳(預測值和實驗值的皮爾遜相關系數(shù)的平方R2平均值為0.412)�；趥阈尾蓸臃椒ǖ腜MF值則能高精度地描述抑制劑的結合強度,其與實驗值的R2高達0.896。此外,還基于傘形采樣軌跡對抑制劑的解離路徑進行了對比和分析,發(fā)現(xiàn)了強結合抑制劑和弱結合抑制劑的解離路徑間存在較大差異。(5)采用“先構象后打分”策略,聯(lián)合分子對接、MM/GBSA結合自由能計算和基于三維形狀的相似性搜索等方法針對USP7的非催化位點開展了層級式和反饋式的虛擬篩選,購買并測試了近200個化合物,最終發(fā)現(xiàn)了數(shù)個結構新穎、活性較強的苗頭化合物。
【圖文】：

新藥研發(fā)周期，降低研發(fā)成本，提高研發(fā)的成功率［７，８］。逡逑１．１．１新藥研發(fā)流程逡逑如圖１．１所示，，新藥研發(fā)大致分為兩個階段，即研究階段和開發(fā)階段。其中，逡逑研究階段主要包括疾病相應靶標的發(fā)現(xiàn)和確認、先導化合物的發(fā)現(xiàn)和優(yōu)化；開發(fā)階逡逑１逡逑

０邐＋邐Ｄ邐Ｇ0逡逑圖１．２熱力學循環(huán)示意圖逡逑基于公式１．４和１．５，根據(jù)熱力學循環(huán)（圖１．２），對于未發(fā)生共價結合的受體－逡逑配體結合自由能可以近似地按照公式１．６或１．７計算得到：逡逑＾＾ｂｉｎｄ邋－邋＾ｃｏｍｐｌｅｘ邋｛＾ｒｅｃｅｐｔｏｒ邋＾ｌｉｇａｎｄ邋）邐０．６）逡逑＝邋ＡＧＬ，ｒａｃ＋ＡＧ．ｌ，ｃｏｍ邋－（ＡＧ，ｌ，／／ｇ邋＋邐）邐（１．７）逡逑ＭＭ／ＰＢ（ＧＢ）ＳＡ方法采用連續(xù)介質隱式溶劑模型且在計算時引入了近似處理，逡逑因而在進行結合自由能計算時十分高效。此外，計算得到的結合自由能可以拆分成逡逑多個物理意義明確能量項，對指導分子設計具有一定的參考價值。因此，逡逑１６逡逑
【學位授予單位】：浙江大學
【學位級別】：博士
【學位授予年份】：2019
【分類號】：R91

【相似文獻】

相關期刊論文 前10條

1 范勝軍;李學軍;;反向分子對接-藥物靶點發(fā)現(xiàn)和確認的新途徑[J];生理科學進展;2012年05期

2 童靜;鄭艷俠;孟歌;李鵬飛;;磺胺類蛋白酪氨酸磷酸酶1B抑制劑的分子對接和三維定量構效關系研究[J];中國藥師;2019年09期

3 陳晉瑩;桑梓苔;;利用計算機模擬分子對接技術探究糧食中黃曲霉毒素的毒理效應[J];糧食儲藏;2016年03期

4 劉景陶;劉映雪;;分子對接在藥物研發(fā)中的應用[J];科技創(chuàng)新與應用;2018年01期

5 朱銳靈;沈悅;馬飛鴻;劉鵬;湯建;;分子對接技術在中藥抗炎活性成分篩選和作用機制研究中的應用[J];中國藥理學與毒理學雜志;2018年06期

6 王存新;常珊;龔新奇;楊峰;李春華;陳慰祖;;蛋白質-蛋白質分子對接中打分函數(shù)研究進展[J];物理化學學報;2012年04期

7 李敏;郭美琪;相偉芳;楊藝新;王永輝;朱耿平;潘麗娜;;分子對接技術在昆蟲化學感受研究中的應用進展[J];植物保護;2019年05期

8 繆方明,劉小蘭,趙茹,岳俊杰,劉曉紅;銅鋅超氧化物歧化酶與超氧陰離子自由基的對接分析[J];計算機與應用化學;2002年04期

9 郭小華;薛小燕;程齊來;;冬青植物中兩個新半萜成分抗血栓活性的分子對接研究[J];贛南醫(yī)學院學報;2017年03期

10 王文軍;丁一;竇芳;許航;簡宇凡;封小娜;文愛東;;分子對接在中藥藥效物質篩選及作用機制研究中的應用進展[J];中國藥師;2018年06期

相關會議論文 前10條

1 楊帆;劉艾林;;分子對接應用與研究進展[A];藥學發(fā)展前沿論壇及藥理學博士論壇論文集[C];2008年

2 陳鵬飛;楊暢;劉璇;汪雁;宋航;姚舜;;離子液體萃取天然活性物質的分子對接研究[A];2014年中國藥學大會暨第十四屆中國藥師周論文集[C];2014年

3 王翰;喬麗;翁建全;譚成俠;劉幸海;;新型吡唑酰胺類化合物的設計合成、殺菌活性與分子對接研究[A];中國化工學會農(nóng)藥專業(yè)委員會第十八屆年會論文集[C];2018年

4 管鑫;喬園園;王秋長;;INNO-406衍生物分子對接研究[A];中國化學會第26屆學術年會化學信息學與化學計量學分會場論文集[C];2008年

5 朱陳敏;張潤潤;吳煜;朱云潔;卞立晴;邵詩音;石玉剛;;阿魏酸酯的分子對接運用[A];中國食品科學技術學會第十五屆年會論文摘要集[C];2018年

6 王曉歡;李川勇;;基于分子對接的蒽醌類衍生物與c-Abl結合的比較研究[A];天津市生物醫(yī)學工程學會2007年學術年會論文摘要集[C];2007年

7 徐文麗;胡瑞雪;梁元昊;劉玉峰;;分子對接在天然產(chǎn)物與血清蛋白結合機制研究中的應用進展[A];第十六屆沈陽科學學術年會論文集（理工農(nóng)醫(yī)）[C];2019年

8 陳凌;;分子對接法虛擬篩選茶多酚中的CDKs抑制劑以設計抗癌藥物(英文)[A];經(jīng)濟發(fā)展方式轉變與自主創(chuàng)新——第十二屆中國科學技術協(xié)會年會（第二卷）[C];2010年

9 陳慰祖;朱海梅;王存新;;用分子對接研究HIV-1整合酶C端區(qū)的DNA結合位點[A];第十次中國生物物理學術大會論文摘要集[C];2006年

10 陳慰祖;朱海梅;王存新;;用分子對接研究HIV-1整合酶C端區(qū)的DNA結合位點[A];第十次中國生物物理學術大會論文摘要集[C];2006年

相關博士學位論文 前10條

1 汪天青;基于分子對接的射干抗氣道炎癥機制研究[D];遼寧中醫(yī)藥大學;2017年

2 王哲;基于分子對接的虛擬篩選方法的評測、優(yōu)化和應用[D];浙江大學;2019年

3 李純蓮;藥物設計中分子對接優(yōu)化設計的算法和軟件研究[D];大連理工大學;2004年

4 鄭清川;蛋白質結構及分子對接的理論研究[D];吉林大學;2006年

5 康玲;藥物分子對接優(yōu)化模型與算法研究[D];大連理工大學;2009年

6 李明;基于分子對接的牛布氏桿菌蘇氨酰tRNA合成酶新型抑制劑的虛擬篩選及活性驗證[D];中國農(nóng)業(yè)科學院;2017年

7 林兵;豆豉姜抗類風濕性關節(jié)炎物質基礎及作用機制研究[D];第二軍醫(yī)大學;2014年

8 鄒平;基于生物信息學與QSAR及分子對接的菜粕活性肽篩選及活性研究[D];浙江大學;2014年

9 徐淑坦;基于多目標差分進化的分子對接算法研究[D];吉林大學;2015年

10 張奇;李濤教授疏肝健脾固髓方治療多發(fā)性硬化經(jīng)驗的網(wǎng)絡藥理學研究[D];中國中醫(yī)科學院;2015年

相關碩士學位論文 前10條

1 馬麗花;四種小分子與胃蛋白酶的結合機理及對消化功能的影響[D];河北大學;2019年

2 韓顏;基于NMR的SAG分子內(nèi)旋轉受限研究[D];武漢工程大學;2018年

3 侯海濤;分子對接程序重構G-四鏈體—配體小分子復合物的能力評價[D];華中農(nóng)業(yè)大學;2018年

4 梁婷婷;海南三亞藍藻Lyngbya sp.的化學成分及藥理活性研究和dolastatin 16的計算機模擬靶點預測及分子對接研究[D];上海應用技術大學;2018年

5 段永斌;Rho激酶抑制劑的理論研究[D];上海應用技術大學;2018年

6 蔡曉力;JAK3選擇性抑制劑的3D-QSAR、分子對接和分子動力學模擬研究[D];廣東藥科大學;2018年

7 王東東;幽門螺桿菌GyrB的同源建模和分子對接研究[D];沈陽化工大學;2018年

8 戴雪娥;咪唑并噠嗪類激酶抑制劑的3D-QSAR和分子對接研究[D];廣州中醫(yī)藥大學;2016年

9 毛卓;基于分子模擬方法的IL-2和Orexin體系分子機制探究[D];天津大學;2017年

10 郝壇義;靶向于膠原蛋白的新型血栓抑制劑研發(fā)[D];天津大學;2017年

本文編號：2602653