HIV-1逆轉錄酶及其抑制劑的分子模擬研究.pdf

1、獲得性免疫缺陷綜合征(艾滋病)是由人類免疫缺陷病毒(human immunodeficiency virus，HIV)通過破壞人體的免疫體統(tǒng)而導致的一系列癥狀。從HIV病毒開始在人類中傳播，世界上大約有25000000人死于艾滋病。當前，40300000左右的人是艾滋病毒的攜帶者。自然界中，艾滋病毒有兩種存在類型；艾滋病毒1型(HIV-1)和艾滋病毒2型(HIV-2)。其中，以HIV-1的影響最為廣泛。 艾滋病的流行嚴重危害人類

2、的安全，艾滋病藥物的研究是世界的熱點問題。艾滋病毒逆轉錄酶(reverse transcriptase，RT)在HIV的生命周期中起到至關重要的作用，它利用病毒RNA基因組作為模板合成DNA，通過人體免疫系統(tǒng)中扮演重要角色的T細胞來實現(xiàn)自身的復制，從而產(chǎn)生新的病毒。所以，逆轉錄酶已經(jīng)作為一個重要的靶點應用于抗艾滋病毒藥物的研發(fā)。逆轉錄酶抑制劑(reverse transcriptase inhibitors，RTIs)能夠抑制逆轉錄酶的

3、功能，阻止病毒雙鏈DNA的合成，從而阻斷HIV病毒的增殖。根據(jù)其抑制劑機理，逆轉錄酶抑制劑分為兩種：核苷類/核苷酸類逆轉錄酶抑制劑(nucleoside/nucleotide reverse transcriptase inhibitors，NRTIs/NtRTIs)和非核苷類逆轉錄酶抑制劑(non-nucleoside reverse transcriptase inhibitors，NNRTIs)。 近年來，計算機輔助藥物的

4、發(fā)現(xiàn)和設計已經(jīng)被成功的應用于很多研究項目。在抗HIV病毒藥物的研究中，二維定量構效關系(2dimension-quantitative structure-activityrelationship，2D-QSAR)、三維定量構效關系(3D-QSAR)和分子對接(Molecular Docking)已經(jīng)被廣泛應用。分子動力學(Molecular Dynamics)模擬在HIV領域的應用主要體現(xiàn)在研究HIV-1蛋白質(zhì)酶、逆轉錄酶、整合酶等酶

5、與其抑制劑之間的關系。同時，量子化學方法也被引入這個領域。 本論文采用定量構效關系、分子對接和分子動力學多種技術和手段，研究逆轉錄酶抑制劑的分子結構與其生物活性之間的關系，以及抑制劑與逆轉錄酶的作用機理。目的在于比較不同抑制劑與逆轉錄酶的不同作用模式，獲得有關分子的何種結構特征能夠有效地提高其抗HIV病毒的生物活性的信息，用于輔助設計和合成更高效的抗HIV病毒抑制劑。 論文第一章，我們對艾滋病、HIV-1逆轉錄酶及其抑制

6、劑做了一些介紹，同時，描述了計算機輔助藥物設計方法及其應用。第二章對本論文中使用的各種方法做了詳細描述。 論文第三章研究了一系列嘧啶核苷類逆轉錄酶抑制劑，采用多元線性回歸(multiple linear regression，MLR)、支持向量機(support vector machine，SVM)和投影尋蹤回歸(projection pursuit regression，PPR)方法，以幾何、靜電和量子化學參數(shù)建立了定量結構

7、-生物活性關系模型。MLR產(chǎn)生的線性模型，其訓練集的相關系數(shù)(R2)和均方誤差(mean square error，MSE)分別為0.729和0.36；其測試集的R2和MSE分別為0.662和0.42。SVM和PPR方法用于建立非線性模型，同樣的訓練集，SVM和PPR得到相關系數(shù)R2分別為0.850和0.841，MSE分別為0.22和0.21；SVM和PPR測試集的R2分別是0.830和0.840，MSE分別為0.27和0.30。預測結

8、果表明，SVM和PPR方法優(yōu)于MLR。建立的模型也許對新的嘧啶核苷類逆轉錄酶抑制劑設計起到一定幫助。 第四章中，我們采用相似的方法對一系列2-氨基-6-苯磺?；S腈及其類似物非核苷逆轉錄酶抑制劑進行研究。用拓撲描述符、幾何描述符和量子化學描述符描述分子結構特征。通過比較多元線性回歸(MLR)、多元自適應樣條回歸(multivariate adaptive regression splines，MARS)、徑向基函數(shù)神經(jīng)網(wǎng)絡(ra

9、dial basis function neural networks，RBFNN)、廣義回歸神經(jīng)網(wǎng)絡(general regression neural networks，GRNN)、投影尋蹤回歸(PPR)和支持向量機方法(SVM)六種不同方法，分別對抗HIV-1活性數(shù)據(jù)集和HIV-1 RT抑制活性數(shù)據(jù)集建立不同的QSAR模型。結果表明PPR和SVM模型具有最好的預測能力。 為了深入探討藥物與蛋白質(zhì)的相互作用關系，繼二維定量關

10、系以后，我們又對這些抑制劑進行三維定量構效關系、分子對接和分子動力學的研究。首先，通過分子對接方法將抑制劑與RT的活性位點相結合，找出兩者的作用模式和抑制劑最合理的構象。然后，采用比較分子力場分析(comparative molecular field analysis，CoMFA)和比較分子相似性分析(comparative molecular similarity indices analysis，CoMSIA)方法建立基于配體和受

11、體的預測模型。CoMFA和CoMSIA模型的交互檢驗系數(shù)q2分別為0.723和0.760。CoMFA和CoMSIA等勢圖和受體的三維結構重疊圖可以幫助我們更清楚的了解RT蛋白與抑制劑的相互作用，以及抑制劑的結構特征對活性的影響。比如，2-氨基-6-苯磺?；S腈及其類似物的B環(huán)C-3位和C-5位如果引入較大的或者疏水性較強的基團有利于提高分子的生物活性；在化合物A環(huán)C-2位置引入氫鍵給體基團，且能夠與RT蛋白殘基Lys101形成氫鍵，則有

12、利于提高分子的生物活性。 然后，我們對數(shù)據(jù)集中三個代表不同類結構化合物的分子進行水溶劑體系的分子動力學模擬研究。采用分子力學/泊松-波爾茲曼表面積方法(Molecular Mechanics Poisson-Boltzmann Surface Area，MM-PBSA)和分子力學/廣義博思表面積方法(Molecular Mechanics Generalized Born Surface Area，MM-GBSA)，用MD模擬的

13、軌道計算體系的結合能。并且，分析了三個不同代表性分子與RT蛋白的作用模式、氫鍵作用，三個體系的結合自由能，以及重要氨基酸殘基對結合自由能的貢獻。結果表明由于抑制劑含有不同的含硫官能團，導致抑制劑與殘基的相互作用不同，因為不同類抑制劑與與RT的結合模式也不同。 第五章中，我們對一系列硫代氨基甲酸酯類非核苷類逆轉錄酶抑制劑進行2D-QSAR和3D-QSAR研究。在2D-QSAR研究中，我們采用MLR、RBFNN、PPR、SVM和最小

14、二乘支持向量機(least squares support vector machines，LS-SVM)方法建立QSAR模型。啟發(fā)式方法用于選擇描述符。70個化合物選擇56個作為訓練集建模。PPR方法建立的模型具有最好結果：訓練集和測試集的R2分別為0.873和0.755?；谕瑯拥姆肿訕嬓秃妥蛹瘎澐?，又對這一系列分子進行基于配體的3D-QSAR研究。CoMFA模型的交叉檢驗系數(shù)q2為0.701(5個主成分)，最好的CoMSIA(SH

15、)模型的q2為0.672。 為了獲取更多的抑制劑與RT受體的相互作用關系信息，我們進行了分子對接研究。對接結果顯示絕大多數(shù)配體與蛋白質(zhì)Lys101形成氫鍵。同時，其他的作用力，如范德華力也對受體-配體的結合有重要影響。然后，對其中53個具有閉環(huán)鄰苯二甲酰亞胺結構的化合物的對接構象進行基于受體的3D-QSAR研究。53個化合物分為49個化合物的訓練集和10個化合物的測試集。通過訓練集建立的CoMFA模型的q2為0.488，CoMS