靶向新型冠状病毒复制和细胞侵入相关靶点抑制剂的筛选及设计
这是一篇关于新型冠状病毒,复制,细胞侵入,虚拟筛选,分子动力学模拟的论文, 主要内容为严重急性呼吸系统综合征冠状病毒2(SARS-CoV-2)引起了人类致命性新冠肺炎(COVID-19),对全球公共卫生构成了严重威胁。新冠肺炎是一种新型病毒性疾病,目前市面针对此类疾病的药物较少,因此迫切需要开发有效的抗SARS-CoV-2药物。新冠病毒小分子抑制剂的开发是国际性前沿领域,针对关键和高度保守的靶标蛋白开发抑制剂至关重要。病毒和宿主蛋白酶(即NSP10、TMPRSS2和CTSB)对SARS-CoV-2在宿主细胞中的复制和感染过程中起着重要作用。目前的研究证实SARS-CoV-2 NSP10是病毒复制过程中所必需的,此外同时阻断TMPRSS2和CTSB活性可能会协同有效地对抗SARS-CoV-2侵入。本论文通过分子对接和计算机分子动力学等方法对化合物进行筛选和设计,期望获得相关靶点的先导化合物,对SARS-CoV-2复制和细胞侵入相关靶点筛选并设计有效且安全的潜在抑制剂提供有用的基础。本文主要研究内容如下:1.通过鉴定NSP10的结合位点对ZINC天然化合物库进行虚拟筛选,然后进行结合能计算,挑选了结合能优于-80.00 kcal/mol的11种化合物并评估ADMET性质。基于对接评分、结合自由能和ADMET特性,得到了4种有代表性的先导化合物。对其结合模式进行分析,之后通过100 ns MD模拟验证复合物的结合稳定性良好。这些候选化合物具有开发成为靶向SARS-CoV-2 NSP10抑制剂的潜力。2.通过受体-配体复合物进行建立并评估了TMPRSS2药效团模型。使用生成的药效团模型对SPECS化合物库进行药效团筛选。以原配体为参照标准进行分子对接,获得与关键残基作用的4个先导化合物。然后进行ADMET预测,均表现良好的安全性和成药性。之后分析了化合物TM1与TMPRSS2的结合模式,对化合物TM1进行结构修饰获得了综合表现优秀的化合物TM2。接下来MD模拟和结合能计算来验证化合物TM1和TM2的稳定结合。这些候选化合物有望成为抑制病毒膜融合进入的TMPRSS2抑制剂。3.利用受体-配体复合物分别构建TMPRSS2和CTSB药效团模型,并对模型通过诱饵集进行验证。使用双靶点药效团对分子库进行筛选,然后分子对接进行二次筛选,选择了结合模式中表现最好的6个化合物。继续进行ADMET评估获得了5个候选化合物。之后表现最优的化合物L1与两个靶标进行了结合能计算和MD模拟。最后,对苯氧基丙醇胺类衍生物进行合成产物。已鉴定的TMPRSS2/CTSB的候选化合物可能成为对抗SARS-CoV-2侵入的双靶点抑制剂。
净电荷对材料润湿性及纳米颗粒水溶性的影响
这是一篇关于分子动力学模拟,纳米颗粒,净电荷,水溶性,润湿性的论文, 主要内容为纳米材料具有许多优异的物理与化学性能,纳米材料的水溶性与润湿性是两个非常重要的性质。纳米材料所带的净电荷对于其水溶性和润湿性都有重要影响。本文通过分子动力学模拟的方法,以富勒烯(C60)和石墨烯作为模型,系统地研究了净电荷对于纳米颗粒水溶性以及纳米材料表面润湿性的影响,并深入分析了其背后的物理机制。本文的主要研究内容如下:通过向C60上部分原子引入电荷来构建带不同净电荷的纳米颗粒。发现引入净电荷后,纳米颗粒在水中的分散性得到了显著改善。当所带电荷量绝对值相等的情况下,带正电纳米颗粒的水溶性强于带负电纳米颗粒的水溶性,带正电荷的纳米颗粒周围的水合水分子的取向比带负电荷的纳米颗粒周围水合水分子的取向更无序。这是因为带正电纳米颗粒的水合层中水分子之间的相互作用势比带等量负电纳米颗粒的水合层中水分子的相互作用势强,并且净电荷为-n e的纳米颗粒与同时接触多个聚集态纳米颗粒的水分子之间的相互作用比带+n e的纳米颗粒与水分子的相互作用更强,这有利于带正电荷纳米颗粒的溶解。通过在单层石墨烯上引入均匀且微量的电荷来构建带不同净电荷的平面。发现引入净电荷后,纳米材料的表面润湿性得到了显著改善。当材料表面所带的电荷量绝对值相等时,带正电荷的纳米材料表面上的水滴接触角明显小于带负电荷时的接触角。主要是因为带正电的表面与界面水的相互作用强于带有同等电量的负电荷的表面。这项工作有助于理解润湿性的机制,有利于更好的理解微小量净电荷对纳米材料的润湿性和水合性能的影响。
基于人工智能和物理方法的蛋白-配体相互作用预测研究
这是一篇关于分子动力学模拟,打分函数,机器学习,结构柔性,多任务学习,对比学习,可解释性,相互作用预测的论文, 主要内容为计算机辅助药物设计(computer-aided drug design,CADD)在新药创制早期阶段的先导化合物发现过程中扮演着愈来愈重要的角色。蛋白-配体相互作用的准确描述和预测是CADD研究中的关键科学问题,其与针对特定靶标的活性分子发现以及活性分子选择性/脱靶效应评估等直接相关,一定程度上决定了高质量先导化合物分子的发现效率。传统基于物理的蛋白-配体互作强度计算方法难以同时在预测精度和效率两个方面取得令人满意的结果。近年来,随着人工智能的再次复兴和大数据时代的来临,利用基于统计的机器学习(machine learning,ML)和深度学习(deep learning,DL)方法进行蛋白-配体相互作用预测备受关注。在蛋白-配体相互作用预测的多个应用场景下,基于统计的ML方法在效率和精确度等多方面性能均展现出了巨大潜力,但仍然存在提升空间:在药物设计实际场景中,往往缺乏准确的蛋白-配体复合物结构,而在当前基于ML方法的蛋白-配体亲和力预测中,很少考虑蛋白柔性,与基于物理的方法没有实现有效互补;针对口袋结构相似的蛋白家族,其蛋白-配体亲和力预测精度有限,故而为表观遗传靶标等重要靶标家族的选择性/专一性活性分子的发现以及脱靶效应评估增加了难度。本文针对上述两个问题,系统评估了蛋白动态结构信息对于蛋白-配体亲和力预测的影响,并基于多任务学习和对比学习开发了用于表观遗传靶标谱预测的模型—AMGC。本论文的第二章,笔者针对在基于ML的蛋白-配体亲和力预测模型中引入复合物动态结构信息是否能够提升预测精度这一问题进行了系统深入的探讨。由于当前绝大多数基于ML的打分函数(scoring function,SF)主要是从单一的静态结构(对接结构或者是晶体结构)出发,忽略了蛋白-配体结合的动态过程及其结构柔性。在药物设计实际场景中,往往缺乏蛋白-配体复合物的晶体结构,而对接结构的准确性有限。传统的分子动力学(molecular dynamics,MD)模拟则可以通过对蛋白-配体复合物的含时采样,一定程度上考虑蛋白结构的柔性。但是,目前针对MD模拟采样是否/如何能够提高ML打分函数的预测性能尚无定论。本章中,笔者选取三个结构柔性不同的靶标(JAK1、TAF1-BD2和DDR1)以及它们的活性分子构建了三个研究体系,采用三种经典的ML算法(RF、SVR和XGB),通过对比基于不同维度描述符组合训练的ML模型的预测效果来评估MD采样获得的结构动态信息对蛋白-配体相互作用预测的影响,并与两种常用的虚拟筛选方法(Glide和MM/PBSA)进行相互作用强度预测性能比较。结果显示,在以对接结构为初始结构时,融合基于MD采样的结构动态信息对针对柔性不同的靶标模型的预测性能展现出不同的影响:在柔性相对最大的TAF1-BD2靶标体系上,通过加入算力可及的MD采样动态结构信息即可提高相互作用预测的精度;对固有结构刚性相对最大的靶标体系JAK1来说,加入这些动态结构信息则对模型预测性能几乎不产生影响;对DDR1这样配体结合诱导构象差异较大的体系来说,不充分采样信息的融入甚至会减损模型预测性能。此外,本章结果亦突出了受体配体复合物初始结构准确性对于模型最终预测效果的重要影响。本论文的第三章,笔者针对活性分子选择性/专一性评估问题,基于多任务学习和对比学习开发了一个DL模型AMGC,用来预测小分子化合物对67个表观遗传靶标的抑制谱图。表观遗传靶标是药物开发过程中备受关注药物靶标,近些年,表观遗传领域生物数据的快速积累为基于DL的活性分子表观遗传靶标谱预测带来契机。计算结果表明,AMGC在内外部测试集上均取得了优于基于分子指纹的经典ML模型和基于其它图神经网络的DL模型的效果。此外,无论是从模型的实际效果还是从算法机制,AMGC均优于之前的SOTA模型ETP。在模型的训练过程中,通过引入自适应学习和对比学习策略,帮助模型在计算资源一定的情况下探索到更大的超参数空间,并在一定程度上防止模型训练过程中陷入局部极小点。进一步选取四个代表性化合物进行模型可解释性分析,结果表明,AMGC可以根据模型分配的权重系数学习到与结合口袋周围残基相互作用较强的原子,并捕捉到化合物微小的结构变化。最后,笔者开发了一个用户友好的网站供研究者进行表观遗传靶标谱图预测(http://cadd.zju.edu.cn/amgc)。
净电荷对材料润湿性及纳米颗粒水溶性的影响
这是一篇关于分子动力学模拟,纳米颗粒,净电荷,水溶性,润湿性的论文, 主要内容为纳米材料具有许多优异的物理与化学性能,纳米材料的水溶性与润湿性是两个非常重要的性质。纳米材料所带的净电荷对于其水溶性和润湿性都有重要影响。本文通过分子动力学模拟的方法,以富勒烯(C60)和石墨烯作为模型,系统地研究了净电荷对于纳米颗粒水溶性以及纳米材料表面润湿性的影响,并深入分析了其背后的物理机制。本文的主要研究内容如下:通过向C60上部分原子引入电荷来构建带不同净电荷的纳米颗粒。发现引入净电荷后,纳米颗粒在水中的分散性得到了显著改善。当所带电荷量绝对值相等的情况下,带正电纳米颗粒的水溶性强于带负电纳米颗粒的水溶性,带正电荷的纳米颗粒周围的水合水分子的取向比带负电荷的纳米颗粒周围水合水分子的取向更无序。这是因为带正电纳米颗粒的水合层中水分子之间的相互作用势比带等量负电纳米颗粒的水合层中水分子的相互作用势强,并且净电荷为-n e的纳米颗粒与同时接触多个聚集态纳米颗粒的水分子之间的相互作用比带+n e的纳米颗粒与水分子的相互作用更强,这有利于带正电荷纳米颗粒的溶解。通过在单层石墨烯上引入均匀且微量的电荷来构建带不同净电荷的平面。发现引入净电荷后,纳米材料的表面润湿性得到了显著改善。当材料表面所带的电荷量绝对值相等时,带正电荷的纳米材料表面上的水滴接触角明显小于带负电荷时的接触角。主要是因为带正电的表面与界面水的相互作用强于带有同等电量的负电荷的表面。这项工作有助于理解润湿性的机制,有利于更好的理解微小量净电荷对纳米材料的润湿性和水合性能的影响。
基于结构的NSD2小分子抑制剂筛选及初步活性验证
这是一篇关于同源建模,虚拟筛选,分子动力学模拟,蛋白表达纯化,NSD2抑制剂设计的论文, 主要内容为NSD2作为甲基转移酶能催化转移甲基到组蛋白H3的K36赖氨酸侧链上,从而影响DNA复制和修复、基因转录等过程,对维持染色质稳定具有重要作用。其异常表达与多发性骨髓瘤、急性淋巴细胞白血病和乳腺癌等多种癌症密切相关。因此,NSD2是癌症治疗的潜在靶点。由于NSD2小分子结合检测方法和SET催化活性域结构信息的缺乏,有效的选择性抑制剂开发受到了阻碍。本文以NSD2的SET催化活性域为靶点,以近期解析的NSDs家族蛋白信息为线索,利用计算机辅助药物设计在其底物和辅酶位点筛选“苗头”小分子并验证抑制活性,最后我们尝试解析NSD2与“苗头”小分子的共晶体结构,结合其与SET催化活性域的结合模式设计了衍生物并分析了合成路线。为了获取NSD2的SET催化活性域的关键结合信息与靶向结合位点的潜在抑制剂,我们设计了一种新的同源建模、虚拟筛选、药效团构建和分子动力学模拟的组合方法。基于这种方法,我们首先通过同源建模、模型评估和分子动力学模构建了质量良好的模型,通过对小分子片段化合物的多次对接分析构建了三维药效团模型F1、F2、F3和F4来筛选包含1.2亿个化合物的数据库。筛选出来的化合物再次进行对接后综合分析前100个化合物的结合模式。辅酶位点的化合物的共性键位模式为:嘧啶环或吡唑环上的氮原子与His1142和Arg1192形成氢键;与Lys1069形成盐桥;与Thr1189形成疏水作用,这些使得它们与NSD2的辅酶位点紧密结合。底物位点的化合物通过与Tyr1092、Phe1117、Met1119、Leu1184、Asn1186等氨基酸形成氢键或与π-阳离子作用结合、π-π堆积等结合在疏水口袋中。通过化合物的成药性分析发现前十个化合物具有良好的ADMET性质且符合Lipinski规则。最后对它们进行分子动力学模拟,通过分析RMSD、RMSF、Rg和结合能等验证了NSD2与化合物结合的稳定性。为了验证筛选出来的化合物能否抑制NSD2活性,我们在体外水平上来检测化合物对NSD2的抑制作用。将构建成功的4个重组质粒导入BL21(DE3)感受态细胞中利用IPTG诱导表达,发现温度为15℃、诱导时间为17 h、IPTG浓度为0.2 m M的条件更适合该酶。通过SDS-PAGE和WB验证表明镍柱纯化出来的蛋白确为目的蛋白。最后通过检测NSD2的活性,证明筛选出来的“苗头”化合物具有NSD2抑制活性:化合物的IC50值在50～500μM之间。ZINC257312485的IC50值最优为59.5μM,表明ZINC257312485对NSD2的活性有更好的抑制作用。为了了解NSD2蛋白-配体复合物之间的相互作用机制,我们采用晶体学对NSD2-配体复合物进行共结晶。通过观察晶体形成状态,我们发现了些较好的晶体形成条件,经过多次的条件优化我们已可以获取微小的晶体,仍然需要进一步的条件优化。同时为了进一步优化“苗头”化合物的活性,我们综合运用生物电子等排法、骨架跃迁和分子杂合等方法进行多样化结构修饰,设计了3000个衍生物并将这些化合物能量最小化后进行分子对接。通过综合分析对接分数、结合能和空间互补等选择各方面优良的化合物进行合成路线设计,为后面活性测定与相关实验研究奠定基础。综上所述,本论文针对NSD2缺乏结构信息和有效的抑制剂的问题,综合运用基于结构和药效团模型的虚拟筛选、计算机辅助药物设计和体外活性验证等手段得到了包括ZINC257312485在内的多个具有开发前景的“苗头”化合物,为更合理的进行NSD2抑制剂的设计奠定了基础。
本文内容包括但不限于文字、数据、图表及超链接等）均来源于该信息及资料的相关主题。发布者：代码导航 ，原文地址：https://m.bishedaima.com/lunwen/54376.html
