喹唑啉類端錨聚合酶抑制劑3D-QSAR和分子對接研究

陳小中，沈 燕，王 娟，胡 勇，林治華

(重慶理工大學 藥學與生物工程學院， 重慶 400054)

端錨聚合酶(TNKS)是聚腺苷二磷酸核糖聚合酶(PARP)蛋白家族成員之一[1]。TNKS參與多種生物學進程，如有絲分裂、Wnt信號通路等[2]。經研究發現，Wnt信號在多種癌癥中被過度激活，抑制TNKS能穩定Wnt信號轉導，從而抑制腫瘤細胞增殖[3]。因此，TNKS已成為腫瘤治療領域中一個具有吸引力的靶點[4]。在部分端錨聚合酶抑制劑研究方面，諾華研究人員在2009年報道了小分子化合物XAV939(IC50=11 nmol)，其通過結合TNKS煙酰胺結合位點從而抑制TNKS活性[5]。Texas大學研究人員通過基于細胞評價的方法，從220 000個化合物中篩選出TNKS抑制劑endo-IWR-1，通過結合TNKS煙酰胺結合位點從而抑制TNKS活性。默克公司研究人員設計合成了一系列TNKS抑制劑，在這些化合物中，化合物5K在細胞實驗(IC50=7 nmol)和腫瘤移植模型小鼠中皆顯示良好的抗腫瘤作用。如圖1所示，列舉了具有代表性的TNKS抑制劑結構。

圖1 代表性的TNKS抑制劑結構

目前，尚未有TNKS抑制劑被批準應用于臨床，但已有PARP家族其他成員的抑制劑(如olaparib)應用于臨床。針對TNKS的抑制劑正在開發中，截至目前，尚未有專門的選擇性TNKS抑制劑上市。TNKS顯示了巨大的臨床應用開發潛力，是具有吸引力的抗癌藥物靶標之一。

3D-QSAR研究包括分子力場分析法(CoMFA)[6]和比較分子相似性法(CoMSIA)[7]。CoMFA和CoMSIA是藥物設計領域中研究一系列化合物定量構效關系的2種經典的方法[8]。分子對接是一種表征受體與其配體結合方式的方法[9]。3D-QSAR和分子對接可用于研究化合物的詳細藥效團特征，同時為設計新化合物提供有用信息[10]。有研究表明，3D-QSAR和分子對接的聯合應用能夠發現新的先導化合物。目前尚無喹唑啉衍生物作為TNKS抑制劑的3D-QSAR研究報告。因此，在本文中，利用CoMFA、CoMSIA和分子對接技術研究一系列喹唑啉類TNKS抑制劑。該研究可為新型TNKS抑制劑的開發提供理論參考。

1 實驗方法

1.1 數據集

數據集來源于Buchstaller等[1]報道的28個喹唑啉類TNKS抑制劑。所有抑制劑均使用SYBYL.2.1軟件構建。抑制劑的結構及其pIC50(-logIC50)值如表1所示。適當的能量最小化分子方法對獲得準確的3D-QSAR模型至關重要。使用Tripos力場[11]和Powell方法使化合物能量最小化，最大迭代次數設置為1 000，其他參數取默認值。所有化合物加載Gasteiger-Hückel電荷[12]。訓練集和測試集分別包含22種和6種化合物， 測試集用*標識，如表1所示。所有化合物使用喹唑啉骨架進行疊合(圖2)。

表1 TNKS抑制劑結構及CoMFA和CoMSIA模型的預測值

續表(表1)

圖2 28個TNKS抑制劑基于公共骨架的疊合圖

1.2 建立CoMFA CoMSIA模型

(1)

(2)

(3)

1.3 分子對接

分子對接(molecular docking)依據“鎖-鑰原理”研究受體生物大分子和配體小分子之間的相互作用，利用特定算法計算“鑰匙”(配體小分子)與“鎖”(受體生物大分子)在幾何形狀、靜電相互作用、疏水作用等方面的互補匹配情況。Suflex具有較高的準確度，故本研究使用SYBYL-X2.1軟件的Suflex模塊進行對接研究[13]。從Protein Data Bank(https://www.rcsb.org)下載TNKS與化合物13復合物的x射線晶體結構，PDB代碼為6qxu。Suflex具有3種主要的對接模式，包括Screen(高通量篩選模式)、Geom(標準模式)和GeomX(高精度模式)。為了獲得準確的對接結果，使用GeomX模式進行對接。首先，進行蛋白準備，提取出PDB文件中的原始配體，并刪除其中的水分子；其次，給蛋白質加上氫鍵，蛋白質活性口袋在原始配體的基礎上生成；最后，將配體對接至生成的TNKS活性口袋中。Suflex使用聯合打分函數，將得分最高的構象作為最后的分子對接結果。

2 結果與討論

2.1 CoMFA和CoMSIA模型相關參數

表2 CoMFA和CoMSIA分析的統計參數

圖3 實驗pIC50值與預測pIC50值散點圖

表3 33種可能的CoMSIA模型的偏最小二乘(PLS)結果

續表(表3)

2.2 CoMFA等勢圖

CoMFA等勢圖如圖4所示，化合物11在圖中以供參考。藍色區域(貢獻度為80%)表示吸電子基團對活性有利的區域，紅色區域(貢獻度為20%)表示吸電子基團對活性不利的區域。在R4位置的芳香環附近有一個較大的藍色色塊，表明此區域存在吸電子基團，將會增加化合物活性。這也許是化合物8(pIC50=7.95)的活性高于化合物9(pIC50=7.85)的原因。綠色區域(貢獻度為80%)表示空間位阻大的基團對活性有利，黃色區域(貢獻度為20%)表示空間位阻大的基團對活性不利。在R3上方有一個綠色色塊，表明此處空間位阻大的取代基會增加活性。這可以解釋為什么化合物11(R3=CH3)的活性比化合物9(R3=F)的活性高。

圖4 CoMFA等勢圖

2.3 COMSIA等勢圖

CoMSIA等勢圖如圖5所示，化合物15在圖中以供參考。黃色區域(貢獻度80%)和白色區域(貢獻度為20%)分別表示了具有疏水性和親水性基團對活性有利的區域。R3位置有一個黃色色帶，這可以解釋在苯環的R3位置具有疏水基團(-CH3)的化合物1比化合物30活性(R3=H)高的原因。青色部分表明此區域氫鍵供體基團(貢獻度為80%)會提高化合物活性。相反地，紫色部分(占20%的貢獻)表示氫鍵供體基團在該區域會降低化合物活性。2個青色色塊位于R3芳基附近，表明該部分上的氫鍵供體基團將增加化合物活性。例如，R3位置芳環上有哌啶基的化合物23(pIC50=8.88)的活性比R3位置具有哌嗪基的化合物22(pIC50=7.82)的活性高。

圖5 CoMSIA等勢圖

3 分子對接

為了更好地解釋TNKS及其抑制劑之間的結合方式，對活性最高的化合物15和活性最低的化合物19分別與TNKS進行分子對接。化合物15和19被對接在TNKS煙酰胺結合位點，這2個化合物與TNKS之間的二維相互作用如圖6所示(圖片由Discovery Stido 2018生成的)。化合物15與TNKS氨基酸殘基Ser1221、Gly1185發生氫鍵相互作用，這與化合物19相同。具體來說，即化合物15和19吡唑環上的羰基氧原子和-NH氫原子分別作為氫鍵與Gly1185形成2個氫鍵。化合物11與TNKS復合物x射線晶體結構(PDB ID:6qxu)顯示，化合物11和TNKS殘基Ser1221、Gly1185形成與化合物15和19相同的3個氫鍵，表明Ser1221、Gly1185在穩定TNKS過程中有重要作用。值得注意的是，CoMSIA等勢圖表明喹唑啉附近存在紫色色塊，表明該區域可能與TNKS發生氫鍵相互作用，分子對接結果和等勢圖結果相符。化合物15和19吡唑環與殘基Tyr1213、Tyr1224產生π-π堆積作用。化合物15和化合物19的氟原子(R2)與Phe1214發生鹵素相互作用。化合物15的甲基與TNKS殘基Tyr1203、Tyr1213、Tyr1224和Lys1220產生π-Alkyl作用。化合物19的R3位置無甲基，所以沒有上述類似作用。

圖6 TNKS與化合物15、化合物19的分子對接相互作用示意圖

4 結論

采用經典的定量構效關系分析方法CoMFA和CoMSIA對一系列喹唑啉類似物進行研究，發現3D-QSAR模型具有良好的統計參數，證明了這些抑制劑的結構與活性之間的相互關系。分子對接研究結果揭示了這些抑制劑與TNKS之間相互作用的模式，證實了CoMFA和CoMSIA模型。該研究是計算機輔助藥物方法在TNKS方面的應用，可為開發TNKS抑制劑作為抗癌藥物提供參考。