磷酸二酯酶-4(PDE4)抑制剂药效团模型的构建.doc

磷酸二酯酶-4（PDE4）抑制剂药效团模型的构建曾露、张醉、赵娟、吴晓灵、姜凤超*华中科技大学同济医学院药学院，武汉（430030）摘要：建立磷酸二酯酶（PDE4）抑制剂药效团模型。利用Catalyst软件系统，选择具有较高体外抑制活性的84个化合物组成分子集合，经构象分析，分子叠和等过程构建出药效团模型，得到一个含有2个氢键接受体，1个疏水中心和1个芳香环基团的PDE4抑制剂药效团模型。其可靠性较好（totalcost=255.6,RMS=0.80,Correl=0.95, Weight=1.25, Config=19.51.），具有较好的活性预测能力，有助于新型结构的PDE4抑制剂的设计。关键词：计算机辅助药物设计；磷酸二酯酶（PDE4）抑制剂；药效团模型The construction of the pharmacophore model of thePhosphodiesterase 4 (PDE4) antagonists.Yi-jing ZHU，Yue WANG，Xiao-ling WU，Feng-chao JIANG（School of pharmacy, Tongji medical collage,HUST,Wuhan 430030）Abstract: To construct the pharmacophore model of the PDE4 antagonists. Ten pharmacophore models of PDE4 antagonists were established from the training of 84 PDE4 antagonists with conformer analysis and pharmacophore mapping by using the Catalyst software. An optimal pharmacophore model including two hydrogen-bonding acceptor, one hydrophobic core and one ring aromatics was conformed. The reliability of the optimal pharmacophore model is preferably with totalcost = 255.6，RMS=0.80,Correl=0.95,Weight=1.25,and Config=19.51. This pharmacophore model showed excellent forecast ability and contributes to design the PDE4 antagonists with undiscovered structure.Key words: CADD; PDE4 antagonists; pharmacophore model一、 前 言 环腺苷酸( cAMP)和环鸟苷酸( cGMP)对于细胞的许多功能有重要作用。磷酸二酯酶( PDEs) 催化cAMP 和cGMP水解开环分别生成AMP 和GMP, 这是细胞内降解cAMP和cGMP的唯一途径。PDEs可分为11个家族,其中有8个家族可以水解cAMP,包括能专一性地水解cAMP的PDE家族(如PDE4) ,和既可水解cAMP又可水解cGMP的PDE家族。其中PDE4同工酶主要存于在炎性细胞中内,包括肥大细胞、巨噬细胞(M)、噬酸粒细胞(EOS)、淋巴细胞和上皮细胞等。PDE4的组织分布说明它与中枢神经系统和免疫系统息息相关,其抑制剂被认为是作用于细胞内作用靶点的新的抗炎药和中枢神经系统药。PDE4可分为A、B、C、D 4个亚家族,根据其N端的特殊结构,有长、短和超短三种形式。PDE4催化区三维结构的阐明有助于它们功能的研究和相关药物的设计。PDE4通过与其它蛋白如抑制蛋白、A2激酶锚定蛋白(AKAP)以及活化的C激酶1受体(RACK1)等相互作用使cAMP浓度区域化,选择性地调节各种细胞功能。PDE4主要分布于各种炎性细胞内,包括肥大细胞、巨噬细胞(M)、噬酸粒细胞(EOS)、淋巴细胞和上皮细胞等。PDE4的组织分布说明它与中枢神经系统和免疫系统息息相关,其抑制剂被认为是作用于细胞内作用靶点的新的抗炎药和中枢神经系统药，PDE4抑制剂的抗炎作用机制主要涉及:抑制多种炎症介质/细胞因子的释放,能够抑制TH2细胞IL-4,IL-5基因的表达。抑制白细胞的激活(呼吸爆发),抑制白细胞游走。抑制细胞粘附因子(CAM)的表达或上调。诱导产生具有抑制活性的细胞因子,如IL-6 。诱导细胞凋亡。刺激内源性激素和儿茶酚胺类物质的释放。PDE4作为一个治疗靶点,研究其选择性抑制剂具有重要的意义,可以用于治疗由炎症引起的疾病,如哮喘、慢性阻塞性肺疾病(COPD) 、阿尔采末病(AD) 、帕金森病( PD)和中风等由潜在的炎症引起神经元受损造成的中枢神经系统疾病。1因此，设计PDE4抑制剂正成为人们研究的重点。药效团模型法是一种最大限度的利用已知分子的三维结构信息进行药物分子设计的方法2，三维药效团模型是与一个化合物一定生物活性有关的图象集合，由表征分子生物活性的结构特征和物理属性组成，它应包含药物与受体结合时受体结合部位的一些结构信息，用来指导药物合成，且合成的药物应该具有一定的生物活性。利用药效团不仅可以对新化合物进行活性预测，还可以结合三维结构在数据库中寻找特定三维结构的分子，所以构建有效的药效团模型对于新药的设计是十分关键的。目前上市的PDE4抑制剂主要是以Cilomilast为先导物而合成的，结构较为单一。因此，本文利用已报导的PDE4抑制剂，选择在体外实验中对PDE4抑制活性较高的不同结构类型的84个化合物为样本，通过计算机辅助药物设计，找到化合物共同的药效作用模式，总结出对活性至关重要的药效特征元素及其空间排列形式即药效团模型，并在数据库中搜寻符合此药效团结构特征的化合物，并以其为先导物设计出具有新型结构特征的PDE4抑制剂。第二章 研究方法与内容PDE4抑制剂药效团的研究采用了MSI公司的Catalyst 软件包，在SGI 图形工作站上完成。药效团识别的基本步骤包括活性化合物的选择，构象分析和药效团模型构建。1、活性化合物的选择 为了使所建立的药效团模型更具有代表性，本实验选取了不同文献报道的二芳羧酸类、嘧啶酰胺类、萘环类、喹啉类、氮杂三环类、嘌呤类、氮杂罩类等多种结构类型的化合物，从中选取了在体外实验中对PDE4具有较高抑制活性的84个化合物组成分子集合，选择的化合物均满足IC5015 molL-1，且同一种结构类型的化合物活性值相差至少三个数量级。 萘环类 喹啉类 氮杂三环类 嘌呤类 在Catyalyst 中的View Compound模块中建立化合物的结构，并对其二维和三维空间结构进行优化，利用3D Minimise 求出具有最低能量的三维空间构象。2、化合物的构象分析 药物在与其靶点发生相互作用时，为了能产生好的几何匹配和能量匹配，会采取特定的构象模式，即活性构象，它即使不是最低能量的构象，也通常是能量较低的构象。在Catalyst软件包里，给出了构象分析的一个经验性的能量截断缺省值：84 kJmol-1。也就是说当药物分子与受体发生相互作用时，分子的活性结构和能量最低构象比较，其差值可在084 kJmol-1之间变化，为了适应受体结构的变化，84 kJmol-1以内的低能分子构象都可能与受体结合。采用Best Quanlity 模式，将最大构象数目设定为255个，对所构建的化合物分子进行处理，生成了一系列低能构象，经构象分析之后，每个活性分子都可以得到一组与其能量相对应的低能构象，表1中列出了经构象分析后得到的化合物构象数。3、药效团模型的构建 利用View Hypothesis Workbench模块搜寻所选的化合物的药效基团元素。根据药效基团元素分析的结果 选择氢键受体(HBA), 氢键给体(HBD), 疏水中心(HP), 环芳香性(RA)和正电荷形成中心(PI)等五个药效团模型参数将选定的化合物导入Generate Hypothesis Workbench，并输入其活性值，考虑到本文所选取的化合物分子的活性数据来自于不同作者的多组实验，同时活性检测都可能存在一定的误差。因此将活性数据的不确定度（activity uncertainty）设置为3.0。由Catalyst 中的Generate Hypothesis Workbench命令生成药效团模型。设定生成的药效团模型所含有的药效元素（n）范围为：1n10。在产生药效团的过程中采用了Catalyst中参数的缺省设置。将所有参数设定完后，通过Catalyst中的Cat Hypo 命令识别并确定药效团。利用Generate Hypothesis模块，计算结果给出了10个得分最高的药效团模型及相应的统计评价得分。第三章 结果与讨论 从药效团空间相似性来看，得到的10个药效团模型同属于一类。其中具有较好的相关系数和权重度（totalcost=255.6，RMS=0.80，Correl=0.95，Weight=1.25，Config=19.51）的模型一是最佳药效团模型（图1）。一般情况下，只有totalcost（nell totalcost hypo totalcost） 的数值大于60才具有相应的预测功能，本文的totalcost为255.6，远远大于60。Figure 1 The optimal pharmacophore model 最佳的药效团模型包括2个氢键接受体，1个疏水中心和1个环芳香基团，而且各药效基团均满足一定的空间限制。（即各药效团之间的距离a=3.59 A0, b=10.13 A0 , c=13.76 A0, d=10.74 A0, e=6.69 A0, f=7.43A0）表明该类化合物在与PDE4发生识别时，主要存在三类较强的相互作用，即氢键相互作用，疏水键相互作用和环芳香性作用。1、 药效团模型的可靠性检验 根据化合物集数据建立的结构活性关系，Catalyst 通过所选择的化合物的活性构象和药效团模型的叠合程度，可以对每个化合物进行活性预测。化合物活性构象与最佳药效团模型的匹配性及活性预测值等数据见表2。 Table 2 The matching of compounds with pharmacophore No. Fit Mapping Est Act Error 1 7.74 44 28 67 14 0.71 0.16 +4.5 2 8.00 43 74 40 13 0.39 0.2 +2 3 7.80 43 12 40 13 0.62 0.32 + 1.9 4 7.91 43 67 40 13 0.48 0.32 +1.5 5 7.49 22 61 53 1 1.3 0.49 + 2.6 6 7.77 34 51 22 1 0.66 0.5 + 1.3 7 7.27 32 62 49 1 2.1 0.55 + 3.8 8 8.09 43 75 40 13 0.32 0.63 - 2 9 7.62 32 67 49 1 0.94 0.63 + 1.5 10 7.53 44 28 67 14 1.1 0.9 + 1.3 11 7.32 34 51 22 1 1.9 1 + 1.9 12 7.56 34 51 18 1 1.1 1.2 - 1.1 13 7.27 34 54 22 1 2.1 1.4 + 1.5 14 7.40 34 62 22 1 1.5 1.6 - 1 15 7.35 43 67 40 13 1.7 2 - 1.2 16 6.99 34 53 22 1 4 2 + 2 17 7.16 34 66 22 1 2.7 2.2 + 1.2 18 6.43 19 * 48 1 15 2.5 + 5.8 19 7.73 43 12 40 13 0.72 2.5 - 3.5 20 6.43 19 * 28 1 14 4 + 3.6 21 7.68 34 54 22 1 0.81 4.3 - 5.3 22 6.42 43 * 40 13 15 5 + 2.9 23 6.43 19 * 53 1 15 8 + 1.8 24 6.44 19 * 48 1 14 10 + 1.4 25 6.40 19 * 28 1 16 10 + 1.6 26 6.43 43 * 40 13 15 10 + 1.5 27 7.06 7 60 20 1 3.4 15 - 4.4 28 6.44 43 * 52 25 14 16 - 1.1 29 6.15 19 * 51 1 28 16 + 1.7 30 6.19 34 * 22 1 25 17 + 1.5 31 6.48 34 51 22 1 13 19 - 1.5 32 6.17 34 * 22 1 26 24 + 1.1 33 6.17 34 * 22 1 26 24 + 1.1 34 6.20 34 * 22 1 25 31 - 1.3 35 6.27 7 60 20 1 21 31 - 1.5 36 6.08 * 49 16 1 32 35 - 1.1 37 6.42 19 * 28 1 15 40 - 2.7 38 6.43 53 * 62 35 14 40 - 2.8 39 6.19 64 25 * 4 25 40 - 1.6 40 5.95 34 * 18 1 44 49 - 1.1 41 6.19 29 * 22 1 25 53 - 2.1 42 6.20 34 * 22 1 25 62 - 2.5 43 6.44 43 * 52 25 14 63 - 4.4 44 6.44 43 * 52 25 14 63 - 4.4 45 6.18 33 * 22 1 26 76 - 2.9 46 6.14 32 * 49 1 28 80 - 2.9 47 6.07 34 * 22 1 33 88 - 2.6 48 5.84 3 * 23 31 57 90 - 1.6 49 4.97 20 * 45 31 420 90 + 4.6 50 6.05 34 * 22 1 35 110 - 3.2 51 4.72 37 * 1 12 740 130 + 5.7 52 4.98 42 * 26 1 410 140 + 2.9 53 5.01 9 * 48 5 380 140 + 2.7 54 4.84 20 * 40 31 560 180 + 3.1 55 4.71 18 * 26 3 760 200 + 3.8 56 5.28 * 12 17 28 200 230 - 1.1 57 5.67 1 * 42 34 83 250 - 3 58 4.99 9 * 45 20 400 260 + 1.5 59 4.88 9 * 40 5 520 280 + 1.8 60 4.79 13 * 31 4 640 350 + 1.8 61 4.75 37 * 1 12 690 400 + 1.7 62 4.28 * * 26 1 2100 430 + 4.8 63 5.18 13 * 34 4 260 470 - 1.8 64 4.30 * * 17 1 2000 500 +3.9 65 4.86 53 * 26 1 540 580 - 1.1 66 4.82 18 * 63 3 600 700 - 1.2 67 4.29 * * 28 13 2000 750 + 2.6 68 4.73 37 * 1 12 730 910 - 1.2 69 5.13 46 * 36 1 290 1200 - 4.2 70 4.31 26 * 40 2 1900 1400 + 1.3 71 4.30 * * 26 1 1900 1400 + 1.4 72 4.30 19 * * 1 2000 1600 + 1.2 73 4.44 26 * 48 2 1400 1600 - 1.1 74 4.23 * * 28 1 2300 1800 + 1.3 75 4.35 26 * 40 2 1700 1900 - 1.1 76 4.29 * * 17 1 2000 3000 - 1.5 77 4.15 * * 30 2 2800 3100 - 1.1 78 4.29 * * 17 1 2000 4600 - 2.3 79 4.17 * * 39 1 2600 4800 - 1.8 80 4.07 * * 4 1 3300 5200 - 1.6 81 4.18 * * 35 13 2600 8100 - 3.2 82 4.05 * * 53 1 3400 9000 - 2.6 83 4.29 * * 10 13 2000 11000 - 5.5 84 4.28 * * 14 1 2100 11000 - 5.3 由表3的结果可以看出，其活性的预测值与实验值很接近。将化合物2与药效团模型进行叠合（图2左），结果非常匹配（Fit=8.00,预测值0.39nmolL-1，实测值0.20 nmolL-1）。预测结果显示，该模型具有较高的可靠性。 Figure 2 Mapping of the compound 2 （left）and cilomilast（right ）onto the optimal pharmacophore model2、药效团模型对数据集外的化合物活性预测能力 为了进一步考察所建立的PDE4拮抗剂的药效团模型的适用性，本文选择了化合物集以外17个文献报道的已上市的PDE4拮抗剂与最佳药效团模型进行了叠合和，并对其活性进行了预测。结果如图3所示，图3 化合物集外PDE-4抑制剂与药效团模型叠合结果现在上市的该类药物共7种,进入临床研究阶段的有40多种化合物,大多是以cilomilast为原型,对其各个部位进行修饰和改造而获得的。 其中部分已上市的化合物结构，与模型的匹配性以及活性预测值等具体数据见表3：图3和表3的结果显示，本文所得的药效团模型与数据集以外的17个PDE4抑制剂匹配性较好，对其活性预测值与实际值也较为接近，这进一步说明了本模型的良好预测能力和适用性。Table 3 The matching of other compounds with pharmacophoreNo.StuctureAct.（nmolL-1）Est.（nmolL-1）Error1cilomilast3032-1.12roflumilast16154-33（cgh2466）1287510-2.54 CI-10181100320-3.45nitraquazone1900200016IBMX90006700-1.37Denbufyline80020002.5其中化合物1（cilomilast），是第一个上市的PDE4抑制剂，利用药效团模型预测的活性值与实验值较接近（Fit=6.537,预测值32 nmolL-1，实测值30nmolL-1，error = 1.1 ）。其与药效团模型叠合的结果（图2（右）可以看出，cilomilast的结构与药效团模型的叠合不是很好，其中的氢键受体（HBA）没有叠合，表明其还有改造的余地。实际上cilomilast的活性不是最佳，后来的化合物活性均超过cilomilast。表3中的化合物2（roflumilast）为第二代的PDE-4抑制剂被用于治疗COPD、哮喘和急性呼吸窘迫综合征(ARDS)等。文献报道Zhaoqi Yang等人16：以所得分子力学结构参数为变量,利用CoMFA的方法对部分PED4 抑制剂进行研究。其所得到的PDE4抑制剂的CoMFA结果如图5所示：空间影响因素图中绿色区域代表空间影响因素可提高PDE4抑制剂活性，而黄色区域代表空间影响因素对PDE4抑制剂生物学活性有影响。电子影响图中蓝色区域显示正性电子存在增强PDE4抑制剂的活性，而红色区域表示此位置负电子部分存在有利于活性的提高。 图 5 用CoMFA得到的结果，电子影响因素（左）和空间影响因素(右)16与上述结果进行比较，发现无论是空间影响因素还是电子影响因素都与本文提出的药效团模型相吻合，同时本文的药效团模型还对电子影响因素从氢键、芳香环等方面加以考虑，并提出了疏水基团的影响，因此更加直观和明确。药效团模型表现出了与抑制活性至关重要的药效特征元素及其空间排列形式，同时所建立的模型具有较好的活性预测能力，为新型结构的PDE4抑制剂的设计和活性预测提供了理论基础。结语 从已知的PDE4抑制剂中选择活性较高的化合物为模版，利用MSI公Catalyst 软件包，通过处理, 构建出合适的PDE4抑制剂的药效团模型。药效团的有效性需要通过实验的验证，以便进一步修正药效团模型，为新的高选择性的PDE4抑制剂的合理设计提供理论依据。进一步的研究工作正在进行中。参考文献1 孙超渊,张莉,程克棣等，磷酸二酯酶4研究进展， 中国药理学通报，2006，22 (10) : 11617.2 Xu XJ, Hou TJ, Qiao XB, et al. Computer-Aided Drug Design (计算机辅助药物分子设计) M. Beijing：Chemical Industry Press, 2004：295. 3 Crocker C I, Tow nley R G. Therapeut ic po tent ial of pho sphodiesterase 4 inh ibito rs in allergic diseases J .D rug s T od ay , 1999, 35 (7) : 5192535. 4 Teixeira M M , Gristwood R W. Pho sphodiesterase(PDE) inh ibito rs: ant iflammato ry drugs of the futureJ . T rend s P harm acol S ci, 1997, 18 (5) : 1642 171. 5 V it t io rio D P, M aria P G. Pho sphodiesterase 4 inh ibito rs, st ructurally unrelated to Ro lip ram, as p rom ising agents fo r the t reatment of asthma and other patho logiesJ . E u r J M ed Chem , 2000, 35 (5) : 4632 480.6 M alco lm N P. Pho sphodiesterase type IV inh ibito rs as ant iinflammato ry agentsJ . D rug s Fu t, 1995, 20 (8) :7932804. 7 Banet te M S, Ch ristensen S B. SB207499 (A riflo ) , a potent and select ive second2generat ion pho sphodiesterase 4 inh ibito r: in vit ro ant iinflammatory act ions J . J P harm acol E xp T her, 1998, 284 (1) : 4202 426. 8 So rbera L A ,L eeson P A , Castaner J. Roflum ilast J .D rug s Fu t, 2000, 25 (12) : 126121264. 9 Mo tono ri A , M ik i K, Jun I, et al. A novel phosphodiesterase type 4 inh ibito r, YM 976 ( 42( 32ch lo rophenyl) 21, 72diethylpyrido 2, 32d pyrim idin22( 1H ) 2one ) , w ith lit t le emetogenic act ivity J . JP harm acol E xp T her, 2000, 295 (1) : 2552260. 10 Elisabeth B, John LW , Noella G, et al. A nt i2 inflammato ry act ivit ies of a new series of select ive phosphodiesterse 4 inh ibito rs derived from 92 benzyladenineJ . J P harm acol E xp T her, 2000, 292(2) : 6472653. 11 H irokazu S, H iroyuk i S, Kenji Y, et al.Pho sphdie