论文部分内容阅读
共济失调毛细血管扩张突变基因Rad3相关激酶（Ataxia Telangiectasia and Rad3-related,ATR）是DNA损伤修复机制中的关键激酶,不仅能够在DNA损伤后激活细胞应答阻滞细胞周期进程并稳定复制叉,还能修复DNA,从而避免细胞凋亡。抑制ATR可以使肿瘤细胞中受损伤的DNA因得不到修复而凋亡,而正常细胞因存在多种DNA损伤修复机制且能相互补偿而影响较小,因此ATR是理想的抗肿瘤靶点。目前,已报道的ATR抑制剂较少,可用资源有限。为开发高活性、高选择性的新型的ATR抑制剂,为肿瘤的临床治疗提供更多的候选药物选择,本研究以ATR为靶点,使用计算机辅助药物设计技术,设计、筛选并合成了两个具有良好抗肿瘤活性的抑制剂。主要分为以下五部分:1.综述本章总结了ATR及ATR抑制剂的抗肿瘤应用,和常见的计算机药物开发技术的研究进展。首先介绍了ATR的结构和功能及其在DNA损伤修复通路中的作用,和作为抗肿瘤靶点的有效性验证。其次回顾并总结了目前存在的ATR抑制剂及其在抗肿瘤的应用,最后介绍了计算机药物开发技术在抗肿瘤药物开发中的研究进展。为后续的研究提供了理论和技术支撑。2.基于药效团模型与分子片段法的ATR抑制剂的设计本章旨在通过药效团模型和分子片段法设计新型ATR抑制剂。首先通过已知的结构多样的28个ATR抑制剂构建了5个配体药效团模型,根据300个已知的ATR抑制剂对药效团模型的有效性进行评价,选出准确率最高的药效团模型（LB-2）。其次根据LB-2模型提取140个ATR抑制剂(IC50<20nM)得到了42个药效特征基团,并使用分子对接技术对其与ATR的相互作用进一步评价后,最终得到29个与ATR抑制剂活性相关的药效特征基团。最后,以得到的药效特征基团和已知的70个ATR抑制剂(IC50<10nM)为基础,使用分子片段法设计得到125个全新的化合物。3.ATR抑制剂的评价本章通过构建基于SVM的ATR抑制剂预测模型和分子对接模型对本研究设计的125个化合物成为ATR抑制剂的可能性进行评价,筛选有希望的化合物。首先从BindingDB数据库和ZINC数据库里选取了700个化合物（包括400个阴性化合物和300个阳性化合物）作为训练集,188个化合物（包括100个阴性化合物和88个阳性化合物）作为测试集,并选择94个与ATR抑制剂活性相关性较大的描述符用于化合物结构表征。使用训练集对模型参数进行考察后选取了7-Fold、c-SVC、RBF核函数为参数构建了ATR抑制剂SVM预测模型（SVM-ATR）,其SE为99%,SP为90.91%,ACC为95.21%,MCC为90.59%。在此基础上,进一步使用网格搜索算法对SVM-ATR模型进行优化,确定模型参数c,g分别为1.4142,1.4142,交叉验证准确率达到95.5714%,最终优化后预测模型（GS-SVM-ATR）的SE为100%,SP为90.91%,ACC为95.74%,MCC为89.76%。所设计的125个化合物经GS-SVM-ATR模型评价后得到66个可能具有ATR抑制活性的化合物。最后通过参考化合物AZD6738（已进入临床试验研究的ATR抑制剂）与ATR蛋白的对接模型,进一步评价66个化合物与ATR的结合,结果显示化合物51、52与ATR能稳定结合,且相互作用残基与AZD6738对接模型基本一致。表明化合物51、52有望成为有效的ATR抑制剂。4.ATR抑制剂的合成本章旨在合成出化合物51、52,为后续研究提供基础。首先通过逆合成分析确定了化合物51、52的合成路线。其次根据化合物51、52的合成路线,合成了化合物51、52。最后经过氢谱、碳谱及质谱分析,本研究合成的化合物51和52结构正确,可用于后续研究。5.ATR抑制剂的抗肿瘤活性研究本章旨在研究化合物51、52的抗肿瘤活性及其可能的作用机制。以乳腺癌细胞（MCF-7）为模型,通过化合物51、52单独、以及与阿霉素联合使用考察化合物51、52的抗肿瘤活性,并对可能的作用机制进行推测。结果显示化合物51、52对MCF-7细胞的IC50分别为496?M、451?M,有一定的抗肿瘤活性,但是抗肿瘤效果不明显。但化合物51、52与阿霉素联合使用时IC50显著低于阿霉素（30.368?M）,分别为18.632?M和12?M,化合物51与阿霉素的协同作用CI=0.6511,为中度协同作用,化合物52与阿霉素的协同作用CI=0.4217,为高度协同作用。不同组合试验表明化合物51、52可能的抗肿瘤机制为通过抑制处于DNA损伤状态的细胞的增殖而达到抗肿瘤的效果,与ATR抑制剂作用机制相吻合。化合物51、52与阿霉素的最佳协同作用试验结果显示,其最佳比例分别为3.5:1和3:1,抑制MCF-7细胞的IC50分别为13?M和7?M,具有显著优于阿霉素的抗肿瘤效果。综上所述,本研究通过构建ATR抑制剂药效团模型、分子对接模型、SVM预测模型以及分子片段法设计、筛选并合成出两个有望成为ATR抑制剂的新化合物,并通过细胞实验证实了其抗肿瘤活性,并对其作用机制进行了初步推测。本研究的结果将为新型ATR抑制剂的筛选以及其它小分子靶向药物的开发提供方法借鉴,同时,也有望为肿瘤的临床治疗提供新的选择。