基于埃博拉病毒糖蛋白单体结构从中药天然产物库中筛选新型抗病毒化合物CSCD

基于埃博拉病毒跨膜单链糖蛋白(single glycoprotein of ebolavirus,EBOV-sGP)为靶标,运用类药性评估、分子对接、ADME预测、结合自由能计算、分子动力学模拟等计算机虚拟筛选技术,从中药数据库TCMSP中挖掘抗病毒天然产物活性分子。以药效分子托瑞米芬(toremifene)为阳性对照,最终筛选出4个类药性良好的先导化合物MOL006834、MOL000174、MOL002192、MOL012524,它们与EBOV-sGP亲和力及相互作用基团均接近于toremifene。该研究结果可促进从中药天然产物库中提取、设计以及实验合成抗埃博拉病毒的药效分子。     

计算机辅助药物筛选平台及应用

先导化合物发现是创新药物研发的最重要环节之一。针对目前海量功能不明确的小分子化合物,本文构建了一个用来实现快速发现先导化合物,有效降低药物研发成本的计算机辅助药物筛选平台。该平台采用分布式架构思想,集成了Auto Dock Vina和多个小分子库,具有数据安全、计算与存储的负载均衡以及实时监控的特点。应用平台进行先导化合物筛选,在较短时间发现了有针对性的活性小分子化合物,命中率高,大大缩短先导化合物发现周期。该平台具有很好的实用性和良好的扩展性。     

小分子活性肽筛选方法

小分子活性肽作为疫苗、诊断试剂、药物以及药物先导化合物已成为药物研究领域的新趋势。小分子活性肽有多种筛选方法：基于噬菌体展示肽库、蛋白质降解(酶法．化学法)、MHC-多肽复合物、蛋白质结构、蛋白质结构预测和反义同源盒原理,它们各具特点。基于蛋白质结构的活性肽分子筛选将成为多肽药物筛选的主要方向之一。     

药物重定位的计算分析方法

全新结构药物的研发存在周期长、耗资大、风险高的问题.通过各种技术预测已有药物的新适应症,即药物重定位,可以缩短药物研发时间、降低研发成本和风险.由于疾病种类和已知药物的数量繁多,完全通过实验筛选已知药物的新用途仍然具有很高的成本.随着组学和药物信息学数据的积累,药物重定位进入到了理性设计和实验筛选相结合的阶段,药物重定位的计算预测已经成为计算生物学和系统生物学的重要研究方向.本文将目前药物重定位计算分析的策略归纳为药物-靶标关系分析、药物-药物关系分析和药物-疾病关系分析,对已报道的技术方法及其成功应用实例进行了综述.     

计算机虚拟筛选技术在害虫行为调节剂研究中的应用

害虫行为调节剂是一种以嗅觉系统为靶标的绿色农药,在害虫的田间管理中发挥着重要的作用。然而,其先导化合物的发现通常依赖一系列生物测定的方法,不仅费时费力,且发现效率低。近年来,随着昆虫嗅觉功能数据的积累和结构生物学的飞速发展,以机器学习技术和分子对接为代表的2种基于计算机的药物虚拟筛选方法在害虫行为调节剂的先导化合物研究中发挥着重要的作用,极大地促进了先导化合物的发现效率,减少了筛选的盲目性。本文系统综述了2种虚拟筛选方法及其在害虫行为调节剂先导化合物研究中的应用,并对2种筛选策略在实际应用中存在的问题及应用前景进行了讨论。     

天然活性先导化合物生物转化研究进展

天然活性先导化合物生物转化是利用生物催化剂(如：酶、微生物、动植物细胞)将加入到生物反应系统中的天然活性先导化合物进行特异性的分子结构修饰以获得高效、低毒新化合物的方法。该方法可以有效地提高已知的天然活性先导化合物的活性、降低毒副作用、改善水溶性和生物利用度,也可以用来生产具有重要应用价值的微量天然活性先导化合物,同时可用于药物代谢机制的研究。国内外学者已经针对甾体、醌类、黄酮类、萜类等化合物开展了天然活性先导化合物生物转化研究,筛选出一批有重要应用价值的生物转化反应类型,但针对天然活性先导化合物生物转化的机制、生物转化过程工程以及生物转化产物活性等方面的研究较少。将现代生命科学技术(如：生物催化剂的定向改造、高通量筛选、组合生物转化、非水相生物转化)引入天然活性先导化合物生物转化研究中,必将推进天然活性先导化合物的快速发展。     

化合物药物-靶标蛋白互作关联预测算法进展分析

药物的使用极大地提高了人类的生存质量。药物的有效性是药物发现研究中的关键环节。药物的有效性通过识别药物与其作用的靶标蛋白来判断。然而,通过高通量筛选的实验方法分析确定化合物药物-靶标蛋白互作关联是一个十分昂贵、耗时且富有挑战性的任务。基于计算方法的化合物药物-靶标蛋白互作关联预测研究具有效率高、成本低的特点,越来越受到人们的重视。相比实验验证方法,化合物药物-靶标蛋白互作关联的计算方法可为药物发现研究后续的生物药学实验提供更为准确的潜在化合物药物-靶标蛋白候选对,达到减少生物实验的时间和成本的目的。本文回顾了近20年来基于计算方法的化合物药物-靶标蛋白互作关联预测算法所涉及的生物医学特征数据、预测方法和技术,并分析研究过程中所面临的生物医学特征数据高维稀疏,以及多源生物医学数据融合程度不高等问题,为进一步研究提供有价值的参考。     

高通量药物筛选技术进展及新药开发策略

新药研发过程中．通过筛选而获得具有生物活性的先导化合物．是创新药物研究的关键．目前药物筛选模型已经从传统的整体动物、器官和组织水平发展到细胞和分子水平。创新药物的发现都离不开采用适当的药物作用靶点对大量化合物样品进行筛选．而且筛选规模越大,发现新药的机会就越多。随着计算机技术、生物芯片、蛋白质组学、组合化学等的发展．高通量药物筛选技术应运而生。高通量筛选体系在创新药物筛选中的应用是新药开发研究的一个重要领域。     

蛋白激酶Cδ的克隆表达纯化及其在药物先导化合物筛选中的初步应用

蛋白激酶C家族是一类磷脂酰丝氨酸依赖丝氨酸 苏氨酸蛋白激酶。PKCδ(蛋白激酶Cδ)是蛋白激酶C家族成员。PKCδ的异常激活将会导致糖尿病和多种癌症的发生 ,因此 ,PKCδ的特异性抑制剂能成为治疗这些疾病的潜在药物 ,如能以PKCδ为分子靶点来筛选特异性抑制剂 ,就可以建立癌症及糖尿病的药物先导化合物筛选模型。通过RT-PCR的方法 ,克隆了鼠源的PKCδ,并构建了哺乳动物细胞表达载体 ,获得了可稳定表达PKCδ的COS1细胞株。通过亲和吸附的方法获得了较为纯净的PKCδ ,并对酶学活性作了进一步的分析 ,建立了以PKCδ为靶点的药物先导化合物筛选模型。     

靶向铜绿假单胞菌(Pseudomonas aeruginosa)粘肽合成酶PBP3的抗菌先导化合物的虚拟筛选及活性研究

【目的】开发出与铜绿假单胞菌粘肽合成酶PBP3有高亲和力,具有全新结构的先导化合物。【方法】以铜绿假单胞菌粘肽合成酶PBP3为靶点,通过分子对接软件DOCK6.5,对含有104万个小分子化合物的数据库进行了大规模虚拟筛选,选取结构相对简单的中选化合物进行合成,得到先导化合物,并验证其抑菌活性。【结果】通过grid score进行第一轮初筛,筛选出grid score分值小于–30 kcal/mol的6万个化合物,接着以amber score进行第二轮筛选,筛出amber score分值小于–20 kcal/mol的化合物约200个。最终,经过观察分析,从中挑选出4种打分高并且结构新颖的小分子化合物作为先导化合物。合成出的先导化合物及其衍生物对铜绿假单胞菌等常见微生物的最小抑菌浓度(MIC)在175–275μg/m L之间,对革兰氏阴性菌和阳性菌均有效,MIC值比作为阳性对照的磺胺嘧啶更低,说明先导化合物具有较好的抗菌活性。【结论】这些先导化合物可以进一步开发为新型抗菌药物,用于解决铜绿假单胞菌的耐药性问题。     

G蛋白偶联受体计算研究的进展和前瞻

G蛋白偶联受体(G protein-coupled receptor,GPCR)是含有七个跨膜螺旋的一类重要蛋白,是迄今为止发现的最大的多药物靶标受体超蛋白家族。例如,目前上市药物中有超过30%是以GPCR为靶点的。然而,与GPCR重要性形成强烈反差的是科学界对于其结构与功能的了解非常贫乏,主要原因是通过实验手段来获得GPCR的结构与功能信息极其困难。利用生物信息学方法从基因组规模的数据中识别GPCR并预测三维结构是可行途径之一。基于生物信息学的GPCR研究将为新型药物靶标的筛选和药物的开发提供一定的帮助。本文论述了几种较为典型的GPCR计算方法,并基于已有研究提出可能的创新性研究策略来解决GPCR蛋白识别、跨膜区定位、以及结构和功能预测等问题。     

药物设计与同步辐射

当代药物设计是通过阐明药物与靶标相互作用的机理,对药物先导化合物进行改造和优化。利用晶体X射线衍射的方法获得药物与靶标复合物的结构,为药物设计提供最直接有力的依据。同步辐射凭借其高强度、低发散性、波长可调谐性等得天独厚的优势,实现了对药物与靶标复合物结构的高通量测定,大大提高了基于结构的药物设计效率。     

抗肿瘤药物筛选中MTT法和SRB法的比较

在抗肿瘤药物的体外筛选中 ,MTT法和 SRB法是常用的两种方法。我们用MTT法和 SRB法分别测定 3种已知植物抗癌药对 2 2株人肿瘤细胞的抗癌活性 ,对这两种方法进行了详细的比较。通过分析两种方法测出的细胞存活率 ( T/ C)的差异分布和相关系数以及 IC50 的二变量分布 ,比较了两种方法测定结果的异同 ;通过两种方法重复测定 3种药物对 7株人癌细胞的抗癌活性 ,比较了两种方法的重复性 ;通过分析两种方法测定结果 T/ C值随时间变化的程度 ,比较了两种方法测定结果的稳定性。实验结果表明 :MTT法和 SRB法的相关性较好 ,都可用于抗肿瘤药物的体外筛选 ,SRB法更适合于大规模筛选 ,3种抗癌药物的测定结果与临床资料基本一致。     

设计与筛选靶向PI3Kα的去氢骆驼蓬碱衍生物及其分子动力学验证

以PI3Kα作为靶蛋白,采用计算机辅助设计的方法优化去氢骆驼蓬碱结构,获得与靶蛋白结合力较高的化合物。在此基础上,利用分子对接,三维定量构效关系(3D-QSAR)和分子动力学技术验证了修饰化合物与靶蛋白的结合能力和稳定性。最后筛选出与靶标具有更好结合力的潜在去氢骆驼蓬碱结构衍生物。使用ACD/Percepta软件对去氢骆驼蓬碱的母核进行结构修饰,获得136 745个化合物的化合物库。通过Schrdinger软件从化合物库中依据MM/GBSA(分子力学广义玻恩表面积)筛选出结合能排在前三的化合物并使用3D-QSAR进行验证,最后通过分子动力学方法验证了三种结构衍生物,并预测了ADMET性质。通过软件设计、虚拟筛选、3D-QSAR模型构建和分子动力学模拟等一系列计算机辅助设计方法,获得了136 745种新的去氢骆驼蓬碱衍生物,评价了蛋白质结构复合物的稳定性,最终获得了3种结合能较高的化合物。其中,发现编号为37971的衍生物具有更好的3D-QSAR模型活性预测值与TPSA(拓扑极性表面积)值(87.84)和生物利用度(33.21%)。本研究结果为去氢骆驼蓬碱的结构修饰提供了设计思路,获得理论上与PI3Kα具有较好的靶向结合能力的化合物,通过分子对接和分子动力学验证,所获得的分子有望成为潜在的候选化合物,为进一步的实验验证奠定基础。     

Autodock Vina与Discovery Studio在虚拟筛选耐药蛋白抑制剂中的比较

随着大量与细菌耐药相关的基因的发现和其表达蛋白结构的成功测定,从已有的化合物中通过计算机模拟方法筛选对耐药蛋白靶点有作用的候选化合物,成为了药物发现的一个标准途径。虚拟筛选在耐药基因抑制剂的发现中可以提高效率、降低实验成本。本文介绍了Autodock Vina和Discovery Studio在基于分子对接法的虚拟筛选中的使用,并对比分析其对β-内酰胺酶活性位点的筛选结果。希望通过这种比较促进虚拟筛选在药物设计领域中的应用,提高耐药基因抑制剂的发现速度。     

基于流感病毒PA_N蛋白的高通量药物筛选

流感病毒的PA N蛋白高度保守,并且具有核酸内切酶活性,是抗流感药物研发的潜在靶点。通过高通量药物筛选体系,从372种化合物中筛选出3种对流感病毒H5N1的PA N蛋白抑制作用较好的化合物。将这3种化合物分别与PA N蛋白进行分子对接模拟,结果显示它们均可以与PA N蛋白活性位点的二价金属离子和氨基酸残基相互作用,从而为抗流感病毒药物的发现提供了先导化合物。     

药物靶标配体高通量筛选的亲和质谱技术研究

疾病相关的药物靶标蛋白与小分子化合物的亲和作用研究是当今新药研发的热点领域,基于靶蛋白与配体亲和作用的筛选技术已成为与基于靶蛋白活性高通量筛选技术高度互补的药物先导化合物发现关键技术。本文综述了亲和质谱技术用于筛选和检测指定靶蛋白的小分子配体的基本原理和主要优势,详细介绍了该技术应用于大规模化合物库筛选、分子片段库筛选、天然产物粗提物筛选和蛋白质与胞内代谢物相互作用研究领域的主要进展。     

从噬菌体文库中筛选潜在的GM—CSF的拮抗剂

以粒细胞巨噬细胞集落刺激因子（ＧＭ－ＣＳＦ）为筛选文库的靶分子,通过高效筛选（Ｈｉｇｈｔｈｒｏｕｇｈｐｕｔｓｃｒｅｅｎｉｎｇ,ＨＴＳ）方法来筛选多种多肽噬菌体文库,在一个以噬菌体主要蛋白质为载体的多肽噬菌体文库中筛选到了一些与ＧＭ－ＣＳＦ结合的多肽,并通过了ＥＬＩＳＡ和微淘选（ｍｉｃｒｏｐａｎｎｉｎｇ）实验的证实,这些多肽先导化合物经过进一步的优化,可能成为ＧＭ－ＣＳＦ细胞因子的拮抗剂。     

紫花苜蓿中4种黄酮类化合物抗氧化活性的DFT研究

为研究紫花苜蓿中4种黄酮类化合物抗氧化活性大小,运用密度泛函理论(DFT)方法在B3LYP/6-311++G(d,p)水平下研究了紫花苜蓿中四个活性黄酮化合物槲皮素、木犀草素、染料木素、芒柄花黄素的电子结构、自由基电子几何结构、酚羟基氢氧键离解能(BDE)以及分子前线轨道的能级差。通过数据分析,初步判断出这四个黄酮类化合物的抗氧化活性的大小顺序为:槲皮素木犀草素染料木素芒柄花黄素。理论预测结果与文献报道的实验结果一致。本研究结果表明DFT方法可为天然黄酮类抗氧化剂的筛选提供理论指导。     

从噬菌体文库中筛选潜在的GMCSF的拮抗剂(英文)

以粒细胞巨噬细胞集落刺激因子（ＧＭＣＳＦ） 为筛选文库的靶分子, 通过高效筛选（Ｈｉｇｈ ｔｈｒｏｕｇｈｐｕｔｓｃｒｅｅｎｉｎｇ, ＨＴＳ） 方法来筛选多种多肽噬菌体文库, 在一个以噬菌体主要蛋白质为载体的多肽噬菌体文库中筛选到了一些与ＧＭＣＳＦ结合的多肽, 并通过了ＥＬＩＳＡ和微淘选（ｍｉｃｒｏｐａｎｎｉｎｇ） 实验的证实。这些多肽先导化合物经过进一步的优化, 可能成为ＧＭＣＳＦ细胞因子的拮抗剂