A型H1N1流感病毒神经氨酸酶天然产物抑制剂的计算机模拟研究
神经氨酸酶(NA)论文 计算机辅助药物设计(CADD)论文 虚拟筛选论文 分子对接论文
论文详情
流感的防治是关乎人类健康的重大问题。由流感病毒编码的神经氨酸酶(NA)在病毒对宿主的感染、成熟、释放等过程中发挥重要作用,因此NA抑制剂是目前最有效的抗流感病毒药物。然而,由于NA突变造成的耐药病毒株的出现以及药物的副作用,迫切需要研究和发现新型的NA抑制剂。天然产物抗流感作用历史悠久、效果显著,而对能抑制NA药效的化合物筛选是目前天然产物抗流感活性研究的重要方向和研究热点。本论文的主要研究重点是以病毒表面蛋白质NA为靶点从天然产物中筛选有效对抗流感病毒抑制剂,为今后可能出现的全球范围的流感病毒大流行储备有效的药物资源。本论文通过用同源模建、虚拟筛选、分子对接、ADMET性质研究和毒理性质预测等方法对NA的有效抑制剂进行分析研究。首先使用序列相似性搜索工具BLAST搜索目标序列,即2009年爆发的A型H1N1流感病毒中的NA的模板,序列比对以后发现目标序列与模板序列之间有很高的一致性(41.1%)和相似性(56.0%),然后使用MOEDLER程序产生模板序列NA的三维结构模型。随后进行的对NA三维结构的评估,认定所模建的结构的可信性,最后通过理论预测与实验数据相结合,最终找到NA的活性位点区域,即Arg118, Glu119, Asp151,Arg152, Glu278, Arg292, Arg293, Asn344, Arg368, Arg371这10个氨基酸残基。利用虚拟筛选软件AutoDock Vina,从天然产物数据库(NPD)中筛选出与NA结合效果最好的小分子化合物。最终得到34个疏水多环类小分子化合物亲和能低于-11kcal/mol,初步认定它们可能具有NA的抑制活性。通过Discovery Studio软件中的Flexible Docking程序进行柔性分子对接,比较虚拟筛选出的34个化合物精确的结合模式以及能量值等,最终得出这些疏水性多环类化合物都结合在NA的活性位点区域且具有良好的抑制NA的效果。分析还发现所有34个化合物除了与NA活性位点结合外还都结合在NA的另一个疏水性口袋中,这个疏水性口袋由NA的Arg368, Trp399, Ile427, Pro431和Lys432等氨基酸残基组成。这些化合物可与NA的疏水性结合位点产生很强的共价作用,即Pi-Pi共轭作用,这些都是是阳性对照药物扎那米韦所不具备的。同时用AutoDock软件进行34个小分子化合物同扎那米韦对NA的结合自由能的计算,比较Flexible Docking和AutoDock这两个不同打分函数的软件计算得到的能量值,可以看出虽然不同软件计算的结果没有准确的一一对应关系,但是它们有一致的趋势,即可看作这34个化合物中的能量值均低于对照药物扎那米韦,即利用这种研究手段理论上筛选出小分子化合物具有比阳性对照药物扎那米韦更好的药效。运用DiscoveryStudio软件中的ADMET模块计算34个小分子化合物以及阳性对照药物25摄氏度下水溶解度,血脑屏障通透性,细胞色素P4502D6抑制性,肝毒性,人类肠道吸收性,血浆蛋白结合率研究。并通过Discovery Studio软件中的TOPKAT模块对34种小分子化合物以及阳性对照药物毒理学性质的实验研究。其中主要针对潜在发育毒性,致突变性和啮齿动物致癌性三种毒理学性质进行详细的分析。结合所有实验结果,可以得出化合物ZINC02090662,ZINC04259225,ZINC04270571,ZINC04270586,ZINC05433942,ZINC05433944,ZINC08918259,ZINC08918445,ZINC12863203这9个化合物同阳性对照药物扎那米韦一样具有良好的抑制NA的活性,且不会具有致癌、致突变以及生殖毒性,并有良好的ADMET性质。这些实验结果为今后的药物研发很大程度上缩小了实验范围,减少巨大的实验经费,也节省了大量的时间。通过研究NA与化合物结合的结构模式,会对新型的抗流感病毒制剂的开发产生有价值的帮助。
中文摘要 | 第4-6页 |
Abstract | 第6-7页 |
第一章 前言 | 第12-30页 |
1.1 研究背景和现状 | 第12-17页 |
1.1.1 生物信息学概述 | 第12-13页 |
1.1.2 计算机模拟概述 | 第13-15页 |
1.1.3 计算机辅助药物设计概述 | 第15-17页 |
1.2 理论基础和计算方法 | 第17-28页 |
1.2.1 同源模建 | 第17-19页 |
1.2.2 虚拟筛选 | 第19-21页 |
1.2.3 分子对接 | 第21-24页 |
1.2.4 分子动力学 | 第24-28页 |
1.3 研究思路和论文内容 | 第28-30页 |
第二章 神经氨酸酶的结构预测和构象评估 | 第30-48页 |
2.1 引言 | 第30-32页 |
2.2 实验方法 | 第32-34页 |
2.2.1 NA 的氨基酸序列 | 第33页 |
2.2.2 NA 三维结构的同源模建 | 第33页 |
2.2.3 NA 三维结构的评估 | 第33-34页 |
2.2.4 NA 活性位点的预测 | 第34页 |
2.3 结果讨论 | 第34-46页 |
2.3.1 NA 的序列比对 | 第34-36页 |
2.3.2 NA 的三维结构 | 第36-38页 |
2.3.3 NA 模型评估 | 第38-40页 |
2.3.4 NA 活性位点的预测 | 第40-44页 |
2.3.5 NA 预测结构与已解析结构对比 | 第44-46页 |
2.4 本章小结 | 第46-48页 |
第三章 神经氨酸酶抑制剂的虚拟筛选 | 第48-62页 |
3.1 天然产物数据库(NPD) | 第48-49页 |
3.2 实验方法 | 第49-50页 |
3.2.1 获取及准备配体小分子化合物 | 第49页 |
3.2.2 准备受体分子文件 | 第49-50页 |
3.2.3 为 AutoDock Vina 设置 Grid 参数 | 第50页 |
3.2.4 启动 AutoDock Vina 进行虚拟筛选 | 第50页 |
3.3 结果讨论 | 第50-61页 |
3.4 本章小结 | 第61-62页 |
第四章 神经氨酸酶与抑制剂的分子对接 | 第62-76页 |
4.1 实验方法 | 第62-63页 |
4.1.1 DS Flexible Docking | 第62-63页 |
4.1.2 AutoDock | 第63页 |
4.2 结构讨论 | 第63-75页 |
4.2.1 分子对接已解析的 NA 复合物晶体的模拟 | 第63-65页 |
4.2.2 分子对接虚拟筛选抑制剂与 NA 的模拟 | 第65-72页 |
4.2.3 结合自由能的计算 | 第72-75页 |
4.3 本章小结 | 第75-76页 |
第五章 虚拟筛选出化合物的 ADMET 性质研究 | 第76-90页 |
5.1 实验方法 | 第76页 |
5.2 结果讨论 | 第76-89页 |
5.2.1 人体肠道吸收模型 | 第76-79页 |
5.2.2 水溶性模型 | 第79-81页 |
5.2.3 血脑屏障通透性模型 | 第81-83页 |
5.2.4 细胞色素 P450 2D6 酶模型 | 第83-85页 |
5.2.5 肝毒性 | 第85-87页 |
5.2.6 血浆蛋白结合率模型 | 第87-89页 |
5.3 本章小结 | 第89-90页 |
第六章 虚拟筛选出化合物的毒理性质预测 | 第90-98页 |
6.1 实验方法 | 第90-91页 |
6.2 结果讨论 | 第91-97页 |
6.2.1 潜在发育毒性 | 第91-93页 |
6.2.2 致突变性 | 第93-94页 |
6.2.3 啮齿动物致癌性 | 第94-97页 |
6.3 本章小结 | 第97-98页 |
第七章 结论与展望 | 第98-102页 |
7.1 结论 | 第98-100页 |
7.2 展望 | 第100-102页 |
参考文献 | 第102-116页 |
作者简介及攻读博士期间所取得的科研成果 | 第116-118页 |
致谢 | 第118页 |
论文购买
论文编号
ABS550236,这篇论文共118页
会员购买按0.30元/页下载,共需支付
35.4。
不是会员,
注册会员!
会员更优惠
充值送钱!
直接购买按0.5元/页下载,共需要支付
59。
只需这篇论文,无需注册!
直接网上支付,方便快捷!
相关论文