Содержание к диссертации
Введение
ГЛАВА 1. Современные подходы к теоретическому исследованию биологической активности соединений
1.1. Стадии действия лекарственных средств 12
1.1.1. Фармацевтическая стадия 12
1.1.2. Фармакокинетическая стадия 13
1.1.3. Фармакодинамическая стадия 13
1.1.4. Единицы измерения биологической активности 15
1.2. Характеристики молекул и их влияние на биологическую активность 16
соединения
1.2.1. Характеристики атомного состава 16
1.2.2. Топологические характеристики 17
1.2.3. Геометрические характеристики молекул
1.2.3.1. Линейные характеристики 21
1.2.3.2. Квадратичные характеристики 23
1.2.3.3. Объемные характеристики 26
1.2.3.4. Безразмерные характеристики
1.2.3.4.1. Пропорциональные отношения линейных размеров молекул 28
1.2.3.4.2. Характеристики симметрии 29
1.2.3.4.3. Характеристики хиральности 31
1.2.4. Квантово-химические и молекулярно-механические характеристики 32
1.3. Методы статистического анализа для исследования биологически активных 34
соединений
1.3.1. Классификация биологически активных соединений 35
1.3.1.1. Экспертные системы 35
1.3.1.1.1. Логические экспертные системы 36
1.3.1.1.2. Логико-статистические экспертные системы 36
1.3.1.1.3. Логико-статистические экспертные системы с нечеткой 39 логикой
1.3.1.1.4. Смешанные экспертные системы (системы здравого смысла)
1.3.1.2. Пространство главных компонент 40
1.3.1.3. Дискриминантный анализ 43
1.3.2. Методы распознавания образов для анализа биологической активности 43
1.3.2.1. Метод К-ближайших соседей 44
1.3.2.2. Метод є-окрестности 44
1.3.2.3. Метод потенциальных функций 45
1.3.2.4. Метод разделяющей гиперповерхности 47
1.3.2.5. Метод Айдарханова 48
1.3.2.6. Метод главных компонент для задач распознавания 49
1.3.2.7. Метод «идеальный эталон» 51
1.3.3. Регрессионное моделирование биологической активности. 52
1.4. 3D И 4D-QSAR МЕТОДЫ 57
1.4.1. Модель информационного поля 57
1.4.2. Использование функции радиального распределения для анализа 58 биологической активности
1.4.3. Метод фронтальных многоугольников. 60
1.4.4. Алгоритмы CoMFA и HASL 63
1.4.5. Алгоритм PARM 65
1.5. Методы докинга (моделирование комплексов лекарственных средств с 67
трехмерной структурой рецептора, определенной с помощью рентгеноструктурного анализа или ЯМР-спектроскопии)
1.6. Метод конструирования новых эффективных лекарственных препаратов - 69
DesPot
ГЛАВА 2. Новые теоретические методы моделирования биологической активности соединений
2.1. Таутомерно-конформационный анализ соединений 74
2.1.1. Метод конформационного и таутомерно-конформационного моделирования соединений
2.1.2. Таутомерно-конформационное моделирование соединений с учетом эффектов влияния водного окружения
2.1.3. Анализ плотности соединений в мультиконформационном приближении 81
2.1.4. Мультиконформационная и мультитаутомерноконформационная модели молекул
2.1.5. Мультиконформационное и мультитаутомерноконформационное
моделирование биологической активности соединений
2.1.6. Сопоставление расчетных наиболее активных таутомерно- конформационных форм с данными РСА
2.2. 3D QSAR алгоритм ConGO для анализа электронной структуры молекул и ее 96 влияния на биологическую активность соединения
2.3. 3D QSAR алгоритм ConGO как метод распознавания образов лекарственных 99 средств
2.4. Новый подход к оценке функции распределения электронной плотности 100 молекул (AlteQ), используемый в алгоритме ConGO
2.5. Докинг соединений с использованием алгоритма BiS/MC 111
2.6. Метод СоСоп для анализа комплексов лекарственных препаратов с 117 рецептором
2.6.1. Построение зависимостей БА от параметров взаимодействия всей 118 молекулы с рецептором
2.6.2. Построение зависимостей Б А от параметров взаимодействия активных 121 центров молекулы с рецептором
2.6.3. Вычисление энергий водородных связей 122
ГЛАВА 3. Анализ биологической активности соединений с использованием предложенных подходов
3.1. Исследование противоопухолевых средств - ингибиторов 126
дигидрофолатреду ктазы
3.1.1. Мультитаутомерно-конформационный анализ в рамках алгоритма BiS/MC
3.1.2. Регрессионный анализ характеристик таутомерно-конформационных форм ингибиторов дигидрофолатредуктазы
3.1.3. Исследование электронного строения наиболее активных таутомерно- конформационных форм ингибиторов дигидрофолатредуктазы
3.1.4. Докинг молекул в полости дигидрофолатредуктазы 142
3.2. Моделирование взаимодействия противовирусных соединений с нейраминидазой гриппа А
3.2.1. Моделирование комплексов «катион-анион» органических солей - ингибиторов нейраминидазы
3.2.2. Рассмотрение взаимодействия молекул с модельным рецептором в рамках алгоритма BiS/MC
3.2.3. Моделирование комплексов противовирусных средств с 150
нейраминидазой. Определение количественных закономерностей с использованием алгоритма СоСоп
3.3. Классификация ингибиторов р38 МАР-киназы 155
3.3.1. Построение экспертных систем 155
3.3.2. Проведение дискриминантного анализа 159
3.3.3. Моделирование комплексов р38 MAP киназы с ингибиторами
3.4. Моделирование комплексов изоформы 1А2 цитохрома Р450 с субстратами 167
3.5. Моделирование комплексов изоформы 2С9 цитохрома Р450 с субстратами 176
3.6. Исследование субстратов изоформы ЗА4 цитохрома Р450
3.6.1. Классификация субстратов изоформы ЗА4 180
3.6.2. Построение мультиконформационной модели субстратов ЗА4 изоформы 180
3.6.3. Моделирование комплексов субстратов с изоформой цитохрома Р450. 184
3.7. Теоретическое исследование электронных и структурных особенностей 187
туберкулостатических средств -ингибиторов дигидрофолатредуктазы
3.7.1. Определение фармакофорных и антифармакофорных фрагментов 187 ингибиторов дигидрофолатредуктазы.
3.7.2. Построение модельных комплексов «лиганд - рецептор» 190
3.7.3. Квантовохимическое рассмотрение 191
3.7.4. Докинг ингибиторов в полости дигидрофолатредуктазы 193
3.7.5. Анализ соединений классифицирующими версиями алгоритмов BiS и 194
ConGO
3.8. Теоретическое исследование агонистов 5НТіА-рецептора 196
3.8.1. Анализ агонистов 5НТід-рецептора в рамках алгоритма BiS/MC 196
3.8.2. 3D/4D-QSAR анализ агонистов 5НТіА-рецептора и моделирование комплексов "рецептор - лиганд" в рамках алгоритма ConGO
ГЛАВА 4. Погноз новых эффективных лекарственных препаратов
4.1. Молекулярный дизайн новых потенциальных агонистов 5НТід-рецептора 205
4.2. Поиск новых перспективных лекарственных средств - ингибиторов 212
дигидрофолатредуктазы
4.3. Потенциально активные лекарственные средства против вируса гриппа А (ингибиторы нейраминидазы)
4.4. Структуры сконструированных в данной работе соединений, для которых проведены биологические испытания
Выводы 222
Литература
- Единицы измерения биологической активности
- Мультиконформационная и мультитаутомерноконформационная модели молекул
- Моделирование взаимодействия противовирусных соединений с нейраминидазой гриппа А
- Потенциально активные лекарственные средства против вируса гриппа А (ингибиторы нейраминидазы)
Введение к работе
Актуальность работы. Одним из важнейших направлений исследований современной химии является создание эффективных лекарственных препаратов. На разработку одного лекарственного препарата в среднем требуется от 5 до 16 лет с затратами, часто превышающими 1 млрд. долларов с учетом препаратов, не достигших рынка. В связи с этим важным является создание теоретических (in silico) методов исследования механизмов действия лекарственных средств, прогноза активности, виртуального дизайна новых препаратов. Данные подходы позволяют определить количественные взаимосвязи физико-химических характеристик процессов взаимодействия лекарственных средств с биологическими системами от параметров строения молекул, их комплексов с биологическими рецепторами. Полученные закономерности могут быть использованы в прогнозе активности новых соединений, дизайне новых эффективных лекарственных средств, что позволяет существенно снизить стоимость лекарственных средств и время на их разработку. Существующие методы требуют значительных модификаций, поскольку недостаточный учет наиболее важных видов взаимодействия в комплексах лекарственных средств с рецептором, вероятности существования различных таутомерно-конформационных форм молекул, подстройки лекарственного средства к рецептору, мультистадийности процесса биологического действия приводят к низкой прогностической ценности получаемых количественных моделей для описания биологической активности.
Целью работы является компьютерное моделирование биологического действия соединений с учетом таутомерно-конформационного (ТК) состояния молекул, распределения электронной плотности, взаимодействия с биологическим рецептором, возможности метаболизма для прогноза новых перспективных лекарственных средств с учетом их метаболических свойств.
Научная новизна. В работе впервые осуществлено
-развитие теоретических подходов, позволяющих оценивать энергии ТК форм молекул, вероятность их существования с учетом влияния водной среды (комбинация алгоритмов MultiGen и ProK). Для этого предложено моделировать процессы таутомерных переходов, включающих стадии протонирования и депротонирования молекул, оценивать свободные энергии Гиббса данных процессов на основании предсказанных кислотно-основных свойств соединений;
- модифицированы 3D/4D QSAR подходы, полученная модификация реализована в 3D/4D QSAR алгоритме BiS/Multiconformational (BiS/MC), осуществляющем рассмотрение внешнего поля молекул, представленного в виде суммы кулоновского и ван-дер-ваальсового потенциалов; впервые наложение биологически активных соединений осуществлено с использованием процедуры самосогласованного поля, использованной ранее в методах квантовой химии;
- модифицированы сеточные 3D/4D QSAR подходы, полученная модификация реализована в 3D/4D QSAR алгоритме ConGO, впервые осуществляющем анализ схожести биологически активных соединений путем их наложения друг на друга до максимального совпадения электронной структуры, что позволило получить закономерности биологической активности от величин электронной плотности в узлах сетки, разбивающей результат наложения структур, осуществлять поиск фармакофорных и антифармакофорных фрагментов электронной структуры молекул с счетом их ТК состояния;
- впервые для оценки электронной плотности соединений использованы AlteQ функции, найденные с помощью данных прецизионного рентгеноструктурного анализа (РСА) и являющиеся в отличие от квантово-химических функций электронной плотности постоянными для каждого элемента Периодической Системы. Показано, что электронная плотность молекул, описанная с помощью AlteQ функций, также хорошо согласуется с данными прецизионного РСА;
- впервые предложена процедура ограниченного докинга соединений в полости рецептора, по качеству превышающая процедуру докинга с использованием существующих в мире аналогов, основанная на использовании данных РСА комплекса «рецептор-лиганд» хотя бы для одного соединения выборки и результата наложения структур, полученного алгоритмом BiS/MC.
- произведена модификация теоретических подходов для анализа строения комплексов «рецептор-лиганд», реализованная в подходе CoCon и позволяющая устанавливать активные центры рецептора и лиганда, определять количественные взаимосвязи величины БА с параметрами строения комплексов, структура которых была установлена методами докинга, в качестве параметров строения использованы энергетические (энергии водородных связей, ван-дер-ваальсовых и кулоновских взаимодействий) и силовые характеристики, рассчитанные с использованием непараметрических подходов.
- впервые совокупность этих методов была использована для анализа различных выборок биологически активных соединений - ингибиторов дигидрофолатредуктазы, p38 МАР киназы, нейраминидазы, ингибиторов 5-HT1A и 1-AR рецепторов. Кроме того, в работе рассмотрены субстраты 1А2, 2С9, 3А4 изоформ цитохрома р450, что позволяет оценивать возможность метаболизма соединений. Полученные закономерности позволили сделать прогноз новых перспективных лекарственных средств с учетом их метаболических свойств.
- с помощью предложенных в работе подходов и моделей найдены новые эффективные соединения противоопухолевого и противовоспалительного действия, прошедшие успешные предклинические испытания.
Практическая значимость. Разработанные методы дают возможность направленного создания новых перспективных лекарственных средств с учетом возможности их метаболизма в живых организмах.
Апробация. Основные положения диссертации доложены на 13th European Symposium on Quantitative Structure-Activity Relationships (Dusseldorf, Germany, 2000), 2-ой и 3-й Всероссийских конференциях “Молекулярное моделирование” (Москва, 2001, 2003), 33rd crystallographic course “From Genes to Drugs via Crystallography” (Erice, Italy 2002), I - V Национальной Конференции “Информационно-вычислительные технологии в решении фундаментальных научных проблем и прикладных задач химии, биологии, фармацевтики, медицины” (Москва, 2002, 2003, 2004, 2005, 2006), I Российской школе-конференции “Молекулярное моделирование в химии, биологии и медицине” (Саратов, 2002), XI - XIII Симпозиумах по межмолекулярному взаимодействию и конформациям молекул (Саратов, 2002; Санкт-Петербург, 2006, Челябинск, 2008), DPhg- Doktorandentagung (Germany, Dusseldorf, 2003), Fock School on computational and quantum chemistry (Novgorod the Great, Russia, 2003), III и IV Национальной кристаллохимической конференции (Черноголовка, 2003, 2006), IX and X International Seminar on Inclusion Compounds (Novosibirsk, Russia, 2003), 16th European Symposium on Quantitative Structure - Activity Relationships and Molecular Modelling (Mediterranean Sea, Italy, 2006), International Conference on Medicinal Chemistry (Istanbul, Turkey, 2007), Virtual Discovery-2007 and 2008 (London, Great Britain, 2007, Palm Springs, USA, 2008), MedChemEurope-2008 (Стокгольм, Швеция), “ADMET Europe-2010” (Мюнхен, Германия), International conference on medicinal chemistry (Брюссель, Бельгия, 2010), Green chemistry (Вашингтон, США, 2011)
Структура и объем диссертации. Диссертационная работа общим объемом 244 страницы состоит из введения, четырех глав, выводов, списка используемой литературы, включающего 290 наименований. Диссертация содержит 21 таблицу, 46 рисунков, 3 приложения.
Единицы измерения биологической активности
Считается, что на данной стадии происходит дезинтеграция готовой лекарственной формы препарата (таблетки, мази, капли) и его макротранспорт [50,58]. При этом под макротранспортом подразумевается транспорт соединения по желудочно-кишечному тракту и кровеносной системе (т.е. в системах по размерам много больших самой молекулы) в соответствии с законами движения Бернулли по трубам.
Данная стадия наиболее зависима от решения медиков о способе введения лекарства. С точки зрения химии, здесь важен только процесс растворения вещества. Считается, что терапевтическая концентрация вещества должна быть меньше его растворимости. Однако данный критерий в настоящее время практически полностью утратил свою силу, поскольку современные лекарственные препараты обычно действуют при концентрациях порядка 10" -ИО" моль/л, что намного меньше растворимости подавляющего большинства органических веществ в воде.
Тем не менее, в том случае, если данная стадия является лимитирующей, то зависимость БА будет наблюдаться от таких характеристик соединений, которые определяют его растворимость. К первой группе относятся параметры, определяющие полярность (гидрофильность) молекулы (заряды, дипольные моменты, энтропия Шеннона и т.д.), ко второй группе - ее геометрические параметры, с уменьшением которых обычно происходит увеличение растворимости, например [3].
Данная стадия включает в себя микротранспорт соединения и его сорбцию на целевом рецепторе [58]. При этом под микротранспортом подразумевается диффузия соединения через мембрану клетки, а также диффузия внутри клетки к целевому рецептору. Эти виды диффузий подчиняются закону Фика. Предполагается, что биологическую активность большинства современных лекарственных препаратов лимитирует именно эта стадия, причем наиболее важной на данной стадии является сорбция на целевом рецепторе.
На диффузионные свойства будут влиять геометрические характеристики и полярность молекул. Так, через липофильную мембрану клетки в большей степени будут диффундировать небольшие неполярные соединения. Причем следует отметить важность не только линейных и объемных параметров молекулы, но и характеристик, отражающих степень симметрии и диссиметрии молекул, поскольку в данном случае форма молекулы должна максимально соответствовать полости рецептора.
У две стадии АВ + CD - АС + BD J Это могут быть электрофильные и нуклеофильные реакции замещения, обмена, присоединения, элиминирования . Если, например, предполагается, что в ходе процесса происходит разрыв связи, то можно построить зависимость биологической активности от энергии этой связи. Чем ниже энергия образования связи, полная энергия, энергия торсионных углов или любая другая энергетическая характеристика связи, тем менее стабильно соединение и тем выше его биологическая активность.
Кроме того, на данной стадии важную роль могут играть энергии граничных орбиталей лиганда. Так, например, возможно взаимодействие высшей занятой молекулярной орбитали (ВЗМО) нуклеофильного лиганда с нижней свободной молекулярной орбиталью (НСМО) рецептора. Тогда, чем выше энергия ВЗМО, тем выше нуклеофильные свойства, реакционная способность и БА соединения. Другим вариантом, является взаимодействие НСМО лиганда с ВЗМО рецептора. В этом случае, чем меньше энергия НСМО лиганда, тем выше его электрофильные свойства, реакционная способность и БА.
Наряду с этим существуют процессы, которые нельзя отнести ни к реакциям элиминирования, ни присоединения. В таких случаях молекула переходит в возбужденное состояния (самовозбуждение) и реакция протекает по следующей схеме: А+В А + В - АВ АВ -» АВ - А + В. Если процесс лимитирует самовозбуждение (переход с ВЗМО на НСМО), то в качестве определяющего фактора должна быть разность энергий граничных орбиталей дЕ = Енсмо - Евзмо- Чем меньше эта энергия, тем легче происходит самовозбуждение и тем выше биологическая активность соединения.
Следует отметить, что все энергетические характеристики в термодинамических и кинетических уравнениях присутствуют в виде аргумента экспоненциальной функции, и, значит, они в наибольшей степени определяют течение процесса. Стерический фактор, входящий в предэкспоненциальный множитель, играет меньшую роль, но для некоторых процессов и он может быть определяющим. Частотный фактор в биологических системах не важен, т.к. он зависит от температуры, которая в биологических системах примерно постоянная.
Все рассмотренные зависимости биологической активности от параметров молекул справедливы только в 50% случаях, т.к. лекарственное средство может вступить во взаимодействие не только с целевым, но и конкурирующим сайтом. В последнем случае закономерности имеют противоположный характер.
Существует множество единиц выражения величины БА в зависимости от типа проводимого теста. Некоторые из них описаны, например, в [59-62]. В тестах in vitro обычно используется либо ингибирующая концентрация (1С, ICso»/»), либо эффективная концентрация (ЕС, ECso%). Иногда активность выражают через минимальные величины действующих концентраций - МІС, МЕС. Естественно, что из-за малых значений они определяются менее точно. На практике используют, как правило, не сами величины концентраций, а их десятичные логарифмы. Чем больше рЕС или рІС и чем меньше ЕС или 1С, тем активнее данное соединение. Универсальных единиц выражения концентрации in vivo не существует. При сравнении результатов опытов, полученных в разных лабораториях, необходимо обращать внимание на то, что величина БА должна быть определена по одной и той же методике.
Данный уровень рассмотрения БА очень примитивен, однако и он может дать полезную информацию о механизме действия лиганда, предположить лимитирующие стадии биологического действия препарата. К данному типу характеристик относятся общее количество атомов в молекуле, количество атомов і-го сорта, количество связей і-го сорта и т.д. При этом сорт атома выбирается по его положению в Периодической системе Д.И. Менделеева, либо по состоянию гибридизации, либо по донорно-акцепторным свойствам (например, количество атомов - акцепторов протонов), сорт связи - по атомам, образующим связь, по порядку связи и т.д.
Так, например, увеличение количества атомов (в первую очередь, общего количества) может характеризовать увеличение размеров молекулы, что может препятствовать процессу растворения соединения, диффузии, сорбции на рецепторе в случае превышения размеров полости рецептора, или, напротив, способствовать сорбции на рецепторе в случае значительно меньших размеров молекулы по сравнению с полостью рецептора. Или другой пример: увеличение количества атомов углерода может отражать снижение полярности молекулы.
Поскольку данный уровень рассмотрения БА очень прост, характеристики атомного состава могут давать неоднозначный ответ о лимитирующих стадиях биологического действия соединения. Например, увеличение количества атомов водорода может показывать увеличение степени разветвленности структуры, которая в ряде случаев может способствовать эффективному заполнению полости целевого рецептора молекулой, либо, напротив, мешать ее встраиванию в рецептор. Очевидно, что увеличение количества атомов доноров или акцепторов характеризует увеличение полярности структуры, способности к образованию эффективных водородно-связанных комплексов. С одной стороны это будет способствовать растворению соединения, образованию стабильных комплексов с полярной частью рецептора, с другой стороны увеличение полярности будет вызывать высокую сольватацию соединения, препятствовать диффузии через каналы мембран, вызывать конкуренцию взаимодействий «рецептор-лиганд» и «вода-лиганд».
Мультиконформационная и мультитаутомерноконформационная модели молекул
Детальное рассмотрение биологической активности соединений с целью высокоэффективного прогноза новых перспективных лекарственных средств требует анализа трехмерной структуры молекул. Для его проведения необходимо вспомнить, что же представляет из себя молекула. Это всего лишь набор ядер и окружающая их электронная плотность. При этом совокупность ядер, связанных друг с другом химической связью, можно рассматривать как прообраз скелета, а электронную плотность - все то, что этот скелет окружает. Изменение геометрии скелета осуществляется за счет таутомерных или конформационных превращений, при этом в зависимости от условий и окружения молекулы меняется стабильность таутомерно-конформационных форм, предпочтительными являются совершенно разные по пространственному строению структуры. Так, например, молекула способна подстраиваться под форму рецептора, с которым осуществляется взаимодействие.
На Рис.2.1 представлен пример серьезного изменения конформационного состояния молекулы в зависимости от условий. На данном рисунке изображена молекула ингибитора Ингибитор риновируса HRV14: А) Форма, приобретаемая молекулой при взаимодействии с рецептором (данные рентгеноструктурного анализа комплексов «рецептор-лекарственное средство»); Б) форма молекулы в свободном состоянии (по данным расчетов молекулярно-механическим методом ММЗ для газовой фазы) На Рис. 2.1 А показан конформер молекулы, взаимодействующий с рецептором по данным рентгеноструктурного анализа комплексов «рецептор-лиганд», взятых из Protein Data Bank [270]. На Рис. 2.1 Б изображен наиболее выгодный конформер по данным расчетов молекулярно-механическим методом ММЗ [102-110], проведенным для газовой фазы.
Как видно из рисунков, первый конформер обладает раскрытой формой, позволяющей диффундировать в узкую полость рецептора, осуществлять эффективные взаимодействия с атомами рецептора. Второй конформер образует значительный ряд эффективных внутримолекулярных взаимодействий, что обеспечивает свернутую структуру данному конформеру, понижает эффективность связывания с другими молекулами.
Таким образом, для описания структуры взаимодействующей молекулы нам необходимо найти форму ее скелета в момент взаимодействия и затем оценить распределение электронной плотности вокруг него.
Первая задача - оценка формы скелета (определение расположения ядер в пространстве) может быть решена с использованием 3D/4D QSAR алгоритма BiS/Multiconformational (BiS/MC), который является комбинацией алгоритмов BiS и MultiGen. Алгоритм BiS/MC позволяет производить мультитаутомерно-конформационное рассмотрение биологически активных соединений, выделять конформеры, ответственные за связывание молекулы лекарственного средства с рецептором. Вторая задача - оценка электронной плотности молекул может быть произведена с помощью методов квантовой химии или альтернативных подходов. Рассмотрим каждый из перечисленных алгоритмов.
Очевидно, что генерация конформеров является далеко неоднозначной проблемой, поскольку перебор всех возможных вариантов ориентации заместителей в молекуле приводит к необходимости рассмотрения бесчисленного множества структур даже в случае молекул с низким количеством связей вращения. При этом важным является учет тонких эффектов внутримолекулярного взаимодействия для оценки энергии генерируемых конформеров, их сопоставления, выделения структур, существующих с большей вероятностью. Поэтому предложен алгоритм MultiGen [195,197], позволяющий осуществлять направленный поиск возможных конформеров соединения. Данный алгоритм является модификацией методов, предложенных в [271]. В основе данного подхода лежит предположение о том, что любые конформационные изменения в молекуле должны осуществляться вдоль направлений движения атомов во время колебаний. Поэтому для определения данных направлений необходимым является решение прямой спектральной задачи, определение мод колебаний. Тогда смещение координат атомов молекулы вдоль мод колебаний должно приводить к генерации новых конформеров. В результате данный алгоритм может быть представлен следующим образом.
Первоначально для конформера, соответствующего глобальному минимуму потенциальной энергии (методы поиска таких конформеров достаточно широко рассмотрены в литературе [272-274]), определяется гессиан и моды нормальных колебаний. Затем производится перемещение атомов молекулы с определенным шагом вдоль каждой колебательной моды в прямом и противоположном направлениях до достижения максимума потенциальной энергии. После преодоления максимума производится минимизация энергии в варианте квази-ньютоновского метода оптимизации. Если отличие энергии вновь обнаруженного конформера от глобального минимума (ДЕ) не превышает заданного предела, то геометрия конформера записывается.
Поиск может приводить к нахождению одинаковых конформеров. Для предотвращения возможности обнаружения большого количества одинаковых структур, каждый вновь обнаруженный конформер сопоставляется с ранее найденными. Для сопоставления структур используется метод наложения, предложенный в [197,205], включающий трансляцию и вращение одной молекулы относительно другой в главных осях вращения с целью достижения минимальной суммы квадратов разностей координат. В случае равенства последней нулю структуры являются эквивалентными. Однако данный метод зависит от нумерации атомов и не во всех случаях позволяет наложить одинаковые структуры. Поэтому дополнительно к нему (в случае неравенства нулю суммы квадратов разностей координат) для наложения структур используется алгоритм BiS [197, 205, 209, 213, 221], осуществляющий ориентацию и наложение структур во внешнем поле и не зависящий от нумерации. Структуры также являются эквивалентными в случае равенства последней нулю.
Процедура поиска конформеров (определение гессиана, мод нормальных колебаний, смещение атомов, минимизация энергии) в дальнейшем повторяется с использованием вновь найденных конформеров в качестве исходных. Процедура заканчивается, если поиск от вновь найденных конформеров не приводит к обнаружению новых структур, удовлетворяющих заданному уровню энергии.
Очевидно, что при поиске конформеров задача в большинстве случаев может быть существенно упрощена путем определения гессиана во внутренних (естественных) координатах молекулы, с ограничением только степенями свободы внутреннего вращения. Последнее допущение и было использовано для поиска конформеров.
Поскольку каждая нехиральная структура может существовать в виде двух изоэнергетичных зеркально противоположных конформеров (энантиоконформеров), форма которых также может иным образом определять возможность и эффективность взаимодействия с рецептором, в процедуре поиска конформеров осуществляется построение зеркально противоположной структуры путем изменения знака координаты атомов в найденном конформере на противоположный вдоль одной из трех координатных осей. Пример подобных энантиоконформеров представлен на Рис. 2.2
Моделирование взаимодействия противовирусных соединений с нейраминидазой гриппа А
Для каждой из таутомерных форм был произведен мультиконформационный анализ с использованием алгоритма MultiGen [195,197,219] (см. п.п.2.1.1.). Данный алгоритм осуществляет поиск конформеров структуры, полная энергия которых отличается от полной энергии наиболее выгодного конформера на величину, равную 3 ккал/моль. После мультиконформационного анализа каждого из таутомеров произведена оценка вероятности существования каждой таутомерно-конформационной формы соединения. Для этого использованы подходы, описанные в Главе 2 (п.2.1).
В таблице 3.1.2 приведено общее количество таутомерно-конформационных форм для каждого ингибитора с учетом наличия зеркальных антиподов для молекул, не имеющих хирального центра.
Рассмотрение мультитаутомерно-конформационной модели молекул ингибиторов DHFR в рамках алгоритма BiS/MC позволило определить самую активную таутомерно-конформационную форму для каждого ингибитора. Анализ найденных структур показал, что ими являются цвиттер-ионные формы соединений, имеющие развернутую структуру, обеспечивающую эффективное взаимодействие со всеми атомами модельного рецептора (Рис. 3.6А). Наиболее выгодной таутомерно-конформационной формой, как правило, являются свернутые структуры (Рис. 3.6Б).
Обнаружено, что таутомерно-конформационные формы, определяющие связывание наиболее биологически активных ингибиторов, имеют большое количество открытых атомов кислорода за счет развернутой структуры, что позволяет им эффективно взаимодействовать с атомами водорода модельного рецептора (см. Рис.3.1.7.). Наличие атомов кислорода в данных соединениях обеспечивается входящими в их состав остатками различных аминокислот (чаще всего глутаминовой). Таким образом, наличие в структуре ингибитора остатков аминокислот способствует увеличению биологической активности ингибитора. Кроме того, наиболее активные структуры чаще всего включают в себя ароматические системы (бензольные, птеридиновые т.д.), взаимодействующие с атомом углерода модельного рецептора. Поэтому можно предположить, что данный атом модельного рецептора может имитировать атомы углерода ароматических фрагментов, входящих в состав фермента. Тогда координация ароматических систем ингибитора и рецептора может приводить к образованию эффективных гс-стэкинговых взаимодействий между ними [209,213,219,221,239,226,260,261].
В случае наименее биологически активных ингибиторов таутомерно-конформационные формы, определяющие их связывание с модельным рецептором, как правило, характеризуются небольшим размером, свернутой конформацией, отсутствием ароматических систем и отсутствием или небольшим количеством открытых атомов кислорода (см. Рис.3.1.8.).
Ориентация активных форм наименее биологически активных ингибиторов в полости рецептора на примере ингибиторов: A) NSC 148958; Б) NSC 19893
Небольшой размер или свернутая конформация ингибитора препятствует его эффективному взаимодействию со всеми атомами модельного рецептора. Отсутствие ароматических систем приводит к невозможности взаимодействия с атомом углерода модельного рецептора. Отсутствие или недостаточное количество атомов кислорода в ингибиторе снижает эффективность его взаимодействия с атомами водорода модельного рецептора (см. Рис.3.1.8). Кроме того, показано, что электрофильные центры данных структур (чаще всего это атомы водорода) координируются около атомов водорода модельного рецептора (см. Рис.3.1.8). Такое невыгодное взаимодействие приводит к наиболее резкому снижению биологической активности.
Кроме того, по результатам расчета была найдена в рамках алгоритма BiS/MC количественная взаимосвязь между величиной биологической активности соединений и параметрами строения комплексов с модельным рецептором в мультитаутомерно-конформационном приближении. Показано, что данная зависимость описывает величину активности ингибиторов с квадратом коэффициента корреляции, определенного по технике «скользящий контроль», равным 1.0 (CrossR2=1.0, R=l, S=0.0005) (Рис.3.1.4) [209,260,261].
С использованием методов регрессионного анализа, были построены количественные модели, показывающие зависимость величины биологической активности от характеристик энергетически выгодных и наиболее активных таутомерно-конформационных форм ингибиторов DHFR (Табл.3.1.1). В табл.3.1.1 приведены таутомеры наиболее активной формы и наиболее энергетически выгодной формы. Наилучшим уравнением оказалась двухфакторная модель, которая показывает зависимость биологической активности от второго по величине радиуса описанного эллипсоида самых энергетически выгодных таутомерно-конформационных и энергии ВЗМО наиболее активных таутомерно-конформационных форм. На основании этого анализа получена взаимосвязь наблюдаемых и предсказываемых значений биологической активности (Рис.3.1.10.), а также следующее уравнение [209,260,261]:
Характеристики и строение наиболее энергетически выгодных и активных таутомерно-конформационных форм ингибиторов DHFR (R.E2- второй по величине радиус описанного эллипсоида (рассчитанный в силовом поле ММЗ) для энергетически выгодных таутомерно-конформационных форм; Евзмо -энергия ВЗМО (рассчитанная с использованием полуэмпирического квантово -химического приближения аЪ initio (HF 6-31 lG(d,p))) для активных таутомерно-конформационных форм)
Потенциально активные лекарственные средства против вируса гриппа А (ингибиторы нейраминидазы)
Производные пиримидина обладают высоким фармакологическим потенциалом, они проявляют противотуберкулезную активность, являются модуляторами кальциевых каналов, антагонистами адренорецепторов, а также противоопухолевыми и противогипертоническими агентами. В настоящей работе рассматриваются мембранотропные туберкулостатические соединения класса ингибиторов дигидрофолатредуктазы (DHFR).
Рассмотренный ряд производных дигидропиримидинов, состоящий из 23 молекул, схематично представлен на Рис.3.7.1., для которых в литературе [199, 218, 234] имеются данные по туберкулостатической активности - минимальной ингибирующей концентрации (MIC)
Для определения фармакофорной и антифармакофорной части молекул было проведено моделирование ориентации алгоритмом BiS в модельном рецепторе, который представляет собой комплементарное поле в виде совокупности псевдо-атомов (пробных сфер с некоторым зарядом и радиусом), контактирующих с поверхностью молекулы [199, 218, 219, 233, 234, 238, 251, 252, 256]. Характеристики комплементарного поля определяются кулоновскими и ван-дер-ваальсовыми потенциалами псевдо-атомов. Так, фармакофорными частями (соответствующие атомы выделены темно-серым цветом) являются дигидропиримидиновая часть, соединенная с триазольным или тетразольным фрагментом, оксиацильный радикал, а также часть ароматического заместителя, соединенная с гетероциклическим фрагментом через атом углерода С4 (Рис. 3.7.2). Данные фрагменты обеспечивают эффективное связывание с модельным рецептором. Периферические части соединений, напротив, понижают величину биологической активности (соответствующие атомы выделены светло-серым цветом).
При рассмотрении соединений, содержащих подандные цепи, обнаружено, что подандные фрагменты молекул проявляют антифармакофорное действие, которое связано с большими размерами подандной цепи, а также с неэффективным взаимодействием соединений с модельным рецептором (рис. 3.7.3).
Увеличение размера молекул за счет подандной цепи может приводить к возникновению значительных стерических затруднений при ее встраивании в полость рецептора. По расчетным данным алгоритмом CiS поданды проявляют низкую туберкулостатическую активность, которая не превышает 0.97. В то время как действительная величина активности для этих соединений pMIC (МІС - минимальная ингибирующая концентрация в отношении штамма Mycobacterium tuberculosis H37RV, определенная в моль/мл по методике, приведенной в [199,218,234]) варьируется в интервале 3-5.
Таким образом, можно предположить, что после проникновения соединения, содержащего подандную цепь, происходит разрыв связи в этой цепи с образованием небольших фрагментов, которые имеют большую активность, чем исходная молекула. Фармакофорным фрагментом является тригидропиримидиноновый фрагмент, также как у соединений, не содержащих подандные цепи. Балластная часть соединения, обозначенная на Рис.3.7.3 сплошной тонкой линией, не оказывает ни фармакофорного ни антифармакофорного влияния в связывании с рецептором, но она обеспечивает матричную функцию и необходимую ориентацию молекулы в полости рецептора.
Из соображений терапевтической практики активными молекулами приняты соединения с величиной pMIC 4,5, а неактивными с рМІС 4,5. При наложении активных молекул друг на друга наблюдается хорошее совпадение фармакофорных и балластных фрагментов, что подтверждает предположение о сходной ориентации частей активных молекул в модельном рецепторе (Рис. 3.7.4). Для неактивных соединений такого совпадения при наложении не наблюдается.
В связи с тем, что число атомов реального рецептора достаточно велико и возникают сложности в определении его активных центров связывания с лигандом, осуществляется построение комплексов «лиганд - модельный рецептор». Моделирование комплексов «лиганд - модельный рецептор» проводилось с использованием алгоритма BiS. Обнаружено, что связывание фармакофорных частей лекарственного средства с модельным рецептором осуществляется за счет кулоновских взаимодействий с положительно заряженной областью рецептора (область II), а также взаимодействий липофильных частей молекул с липофильными областями рецептора (рис. 3.7.5) [199, 218, 219, 233, 234, 238, 251, 252, 256].
Также большинство активных соединений имеют ароматический цикл, соединенный с атомом С4 (Рис.3.7.6) в дигидроприпимидине. Конформеры, проявляющие высокую активность, имеют перпендикулярно расположенное ароматическое кольцо относительно дигидропиримидиноновой части. Часть ароматического цикла, соединенная с дигидропиримидином, являясь фармакофором, взаимодействует с положительной частью рецептора (область II). Оксиацильный радикал располагается в липофильной части (область III), способствуя образованию ван-дер-ваальсовых контактов, и в отрицательной области рецептора (область I), с которой осуществляется электростатические взаимодействия (рис.3.7.5). Для неаннелированных молекул (6а) - (бе) не найдено сильного взаимодействия оксодигидропиримидинового радикала с положительно заряженной областью модельного рецептора. Данный фрагмент рассматриваемых молекул располагается параллельно к положительно заряженной части рецептора. Для соединений
Полученные результаты подтверждаются квантовохимическими расчетами электронных и энергетических характеристик. В данном исследовании особое внимание уделено общему для исследуемых соединений фрагменту - дигидропиримидиноновому циклу. Мультиконформационный анализ проводился с использованием алгоритма MultiGen. Для анализа связи биологической активности со структурными параметрами дигидропиримидинов произведены квантовохимические расчеты электронных и энергетических характеристик атомов дигидропиримидинового кольца (DFT B3LYP/6-311G(d,p)) [218, 251, 252, 256]. В рамках теории AIM (Atoms In Molecules) выполнен квантово-топологический анализ электронной плотности, вычислены электронные характеристики в критических точках электронной плотности. Более того, произведено интегрирование электронных и энергетических характеристик по атомным бассейнам дигидропиримидинового кольца.
