Содержание к диссертации
Введение
ГЛАВА 1. NMDA-рецептор, его структура и лиганды. компьютерные методы моделирования. обзор литературы 7
1.1. Архитектура NMDA-рецептора и его лиганды 8
1.1.1. Агонисты и антагонисты глутамат-связывающего домена NMDA-рецептора 10
1.1.2. Агонисты и антагонисты глицинового сайта NMDA-рецептора 14
1.1.3. Лиганды N-концевых доменов 18
1.1.4. Антагонисты фенциклидинового сайта NMDA-рецептора 21
1.2. Структурные особенности доменов NMDA-рецептора
1.2.1. Глутаматный и глициновый сайты NMDA-рецептора 23
1.2.2. N-концевые домены NMDA-рецептора 25
1.2.3. Ионный канал NMDA-рецептора 28
1.3. Компьютерные методы моделирования 31
1.3.1. Методы, основанные на знании строения макромолекулы-мишени 31
1.3.2. Методы, основанные на знании пространственной структуры лигандов 35
1.3.3. Применение компьютерных методов для моделирования NMDA-рецептора 37
ГЛАВА 2. Пространственные модели глутаматного сайта NMDA-рецептора 39
2.1. Построение пространственных моделей глутаматного сайта NMDA-рецептора 39
2.2. Сайт связывания агонистов и антагонистов в глутамат-связывающем домене. Интерпретация известных закономерностей структура-активность 46
2.3. Селективность лигандов к NR2 субъединицам 53
ГЛАВА 3. Пространственные модели глицинового сайта NMDA-рецептора 54
3.1. Построение пространственных моделей глицинового сайта NMDA- рецептора 54
3.2. Связывание агонистов и антагонистов с глициновым сайтом 55
3.3. Интерпретация известных закономерностей «структура-активность» на основе молекулярной модели 59
3.4. Количественные модели связывания лигандов глицинового сайта 61
3.5. Общая методология построения CoMFA-моделей 62
3.6. Модели, построенные методом сравнительного анализа молекулярных полей 63
3.7. Построение количественной модели на основе знания строения белка 74
3.8. Построение объединенной количественной модели 76
ГЛАВА 4. Концепция "полей селективности"."поля селективности" для глицинового сайта NMDA-рецептора и глутаматного сайта амра-рецептора 78
4.1. Поля селективности 78
4.2. Интерпретация полей селективности на основе знания строения макромолекулы-мишени 86
ГЛАВА 5. N-концевой домен NMDA-рецептора 92
5.1. Построение пространственных моделей N-концевых доменов NMDA-рецептора 92
5.2. CoMFA-модель, построенная на основе совмещения по результатам докинга 101
5.3. Поиск фармакофора 104
5.4. CoMFA-модель на основе совмещения по фармакофору 106
5.5. Селективность связывания соединений, подобных ифенпродилу, с NR2B субъединицей 108
ГЛАВА 6. Ионный канал NMDA-рецептора 111
6.1. Структурное сходство ионного канала NMDA-рецептора с калиевыми каналами 111
6.2. Построение модели ионного канала 113
6.3. Авоматический докинг лигандов 115
6.4 Построение количественной модели на основе результатов докинга 118
ГЛАВА 7. Новая мишень лекарственного препарата -димебона 123
ГЛАВА 8. In Silico скрининг баз данных органических соединений. создание сфокусированных библиотек потенциальных лигандов NMDA И АМРА РЕЦЕПТОРОВ 130
8.1. Общая схема виртуального скрининга 131
8.2. Препроцессинг баз данных низкомолекулярных органических соединений 132
8.3. Процедура докинга и ее апробация 133
8.4. Докинг баз данных органических соединений 146
ГЛАВА 9. Качество построенных моделей 151
Заключение 154
Выводы 156
Литература
- Агонисты и антагонисты глицинового сайта NMDA-рецептора
- Сайт связывания агонистов и антагонистов в глутамат-связывающем домене. Интерпретация известных закономерностей структура-активность
- Модели, построенные методом сравнительного анализа молекулярных полей
- CoMFA-модель на основе совмещения по фармакофору
Введение к работе
Конструирование новых органических структур, действующих на определенные биомишени, является важной проблемой современной органической химии. Одной из исключительно важных биомишеней является М-метил-Б-аспартатный (NMDA) рецептор, который относится к группе глутаматных ионотропных рецепторов и участвует во многих важных нейрофизиологических процессах, задействованных в системе передачи быстрого синаптического возбуждения, формировании памяти и др. Гиперактивация NMDA-рецептора приводит к ряду патологических состояний, включающих самые разнообразные нейродегенеративные заболевания. По этой причине лиганды NMDA-рецептора показали свою эффективность в качестве нейропротекторных средств и в настоящее время прилагаются значительные усилия для поиска новых эффективных лигандов этого рецептора.
Рациональные подходы к созданию новых лекарственных препаратов связаны с применением компьютерных методов - компьютерного молекулярного моделирования, молекулярного докинга, исследований количественных соотношений "структура-активность" (QSAR). Комплексное применение этих методов позволяет изучать белок-лигандные взаимодействия на качественном и количественном уровнях, а также дает возможность в разумное время выявить потенциальные лиганды среди сотен тысяч доступных соединений, структуры которых объединены в электронные банки данных.
Необходимой предпосылкой при этом является знание структуры места связывания лигандов в макромолекуле-мишени. К сожалению, пространственные структуры доменов NMDA-рецептора, как и большинства других рецепторов, пока экспериментально не определены. Поэтому общей проблемой при поиске новых лигандов рецепторов является возможность использования молекулярных моделей рецепторов, основанных не на экспериментальных данных, а на применении вычислительных методов.
Цель настоящей работы заключалась в молекулярном моделировании доменов NMDA-рецептора и компьютерном поиске его потенциальных лигандов. В ходе диссертационной работы построены пространственные модели внеклеточных и трансмембранных доменов NMDA-рецептора, изучено их связывание с лигандами, объяснены известные соотношения "структура-активность" для лигандов. На основе метода сравнительного анализа молекулярных полей (CoMFA) построены количественные модели связывания лигандов с глицин-связывающим и N-концевым доменами и ионным каналом NMDA-рецептора, а также получены поля, позволяющие охарактеризовать стерические и электростатические участки вокруг лиганда, которые определяют взаимодействия с биомишенью. Рассмотрена согласованность между полученными стерическими и электростатическими полями и молекулярными моделями биомишеней. Показано, что объединенные модели, учитывающие особенности строения лиганда и биомишени, могут успешно применяться для прогноза биоактивности лигандов. Разработана концепция "полей селективности" на основе метода CoMFA, которая рассмотрена на примере интерпретации известной из эксперимента селективности лигандов к глутаматному сайту АМРА-рецептора и глициновому сайту NMDA-рецептора.
В работе развита система виртуального скрининга баз данных органических соединений, позволяющая проводить препроцессинг баз данных, докинг и постпроцессинг полученных результатов, и ее работоспособность продемонстрирована на примере глицинового сайта NMDA-рецептора и глутаматных сайтов NMDA- и АМРА-рецептора. В результате скрининга базы данных органических соединений сформированы сфокусированные библиотеки потенциальных агонистов и антагонистов глицинового сайта NMDA-рецептора и глутаматных сайтов NMDA- и АМРА-рецепторов.
В диссертации приняты следующие обозначения: QSAR (Quantitative Structure-Activity Relationships) - количественные соотношения структура-активность; CoMFA (Comparative Molecular Field Analysis) - сравнительный анализ молекулярных полей;
ВАК- возбуждающие аминокислоты;
Аминокислотные остатки представлены в однобуквенном обозначении:
Нумерация соединений отдельная в каждой главе.
Прежде, чем приступить к изложению полученных результатов, приведем обзор литературы, посвященной NMDA-рецептору, его структуре, лигандам, а также компьютерным методам моделирования.
Агонисты и антагонисты глицинового сайта NMDA-рецептора
Эндогенными агонистами глицинового сайта являются глицин (20) и D-серин (21). К агонистам также относят D-аланин, D-фтораланин. L-Изомеры этих соединений обладают более слабой агонистической активностью. Конструирование аналогов производных глицина с ограниченной конформационной подвижностью привело к созданию циклических производных D-серина и структурно похожих соединений ((+)-D-гидроксипирролидон (24) [54], (+)-0-циклосерин (25) [55], 1 аминоциклопропанкарбоновая кислота (26) [56-57]) - частичных агонистов глицинового сайта (рис. 5).
Интересно отметить, что D-циклосерин в течение долгого времени использовался в высоких концентрациях как антибиотик при лечении туберкулеза [58] и уже позднее были установлены его свойства частичного агониста глицинового сайта, причем оказалось, что при низких дозах это соединение проявляет агонистическое, а при высоких дозах антагонистическое действие [59]. Однако более четким определением частичного агонизма, является проявление ограниченного немаксимального эффекта при высоких концентрациях, что приводит к антагонизму при высокой концентрации полного агониста, но способствует активации рецептора при низких концентрациях полного агониста [60].
S-Энантиомер соединения 25 (рис. 5) обладает ярко выраженной антагонистической активностью [61]. Структурные аналоги соединения 26 с большим размером цикла проявляют антагонистическую активность [62].
Частичные агонисты глицинового сайта NMDA-рецептора проявляют свойства анксиолитиков, антидепрессантов и нейропротекторов. Они обладают лучшим терапевтическим профилем по сравнению с конкурентными антагонистами [49]. Особенности строения антагонистов глицинового сайта NMDA-рецептора
Большое количество работ посвящено синтезу и изучению связи химической структуры с биологической активностью антагонистов глицинового сайта [63]. В настоящее время среди антагонистов глицинового сайта можно выделить несколько групп гетероциклических, полициклических и алициклических соединений: это производные пирролидона, циклобутана, циклопропана, кинуреновой кислоты, 2-карбоксииндолов, 2 карбокситетрагидрохинолонов, 4-гидрокси-2-хинолонов, хиноксалин-2,3-дионов, 3-гидрокси-1Н-1-бензазепин-2,5-дионов [63-74].
В работе Лессона и др. [70-71] изучена связь химической структуры с биологической активностью в ряду производных кинуреновой кислоты (27а). Показано, что усиление блокирующего действия на глициновый сайт происходит при введении заместителя в положения 5 и 6 бензольного кольца, тогда как заместители в положениях 6 и 8 приводят к потере либо селективности, либо активности. В частности, очень сильным и селективным антагонистом глицинового сайта оказалось 5-иод-7-хлорпроизводное (276) (рис. 6).
Изучение активности аналогов кинуреновой кислоты показало, что необходимым условием проявления требуемой активности является наличие атома кислорода в положении 4, причем в оксо-таутомерной форме. На основании полученных данных авторы предложили модель связывания с биомишенью, включающую в себя: 1) относительно небольшую по размеру гидрофобную область для связывания бензольного цикла, 2) донорную группу, образующую водородную связь с аминогруппой в положении 1, 3) полярную группу, образующую ионную связь с карбоксильной группой в положении 2. В дальнейшем авторы уточнили свою модель, показав при исследовании биологической активности серии производных 4-амино-2 карбокситетрагидрохинолинов наличие в рецепторе свободной области рядом с местом связывания полярной группы в положении 4 антагониста.
Сайт связывания агонистов и антагонистов в глутамат-связывающем домене. Интерпретация известных закономерностей структура-активность
Согласно данным сайт-специфического мутагенеза, аминокислоты Е413, К485, S512, R519, S690, Т691 играют важную роль в связывании глутамата и D-AP5 (В-2-амино-5-фосфоновалериановая кислота) [111]. Анализируя сайт связывания AMPASGR с глутаматом, можно выделить аминокислотные остатки, формирующие непосредственно водородные и ионные связи с лигандом (R485 с а-карбоксильной группой, Е705 и Р476 с аминогруппой, S654 и Т655 с у-карбоксильной группой). Рассматривая положение этих аминокислотных остатков в последовательностях (см. приведенное выше множественное выравнивание), можно увидеть, что R519 (в AMPASGR R485), S690 (S654), Т691 (Т655) являются консервативными в NR2B и AMPASGR, а S512 гомологичен Р476. Остаток Е705, принимающий участие в образовании водородных связей с аминогруппой глутамата в AMPASGR, гомологичен D732 в NR2B (эксперименты по сайт-специфическому мутагенезу этого остатка еще не проводились). Принимая во внимание упомянутые факты, мы провели докинг глутамата и В-2-амино-5-фосфоновалериановой кислоты (АР5) в построенную модель NR2B.
Докинг проводился вручную с последующей оптимизацией геометрии комплекса белок-лиганд. Были рассмотрены различные варианты расположения лигандов внутри активного сайта, и одно, с наиболее низкой энергией, выбрано для дальнейшей оптимизации геометрии (с использованием силового поля Tripos [148]). При всех расчетах принимали физиологический рН, при котором карбоксильные и основные группы лигандов находятся в ионизированном состоянии.
Результаты докинга показали, что оптимальная ориентация глутамата может быть достигнута, когда а-карбоксильная группа образует солевой мостик с R519 и водородные связи с S690 и Т514, а протонированная аминогруппа связана водородными связями с Е413 и S512, что согласуется с моделью, построенной ранее Лаубе с соавт. и сходно со взаимодействием глутамата с AMPASGR [111]. В то же время дистальная кислотная функция, в противоположность модели Лаубе, взаимодействует с S690 и Т691, аналогично взаимодействию глутамата с AMPASGR, образуя водородные связи. Отличия между нашей моделью и моделью, построенной Лаубе, могут быть связаны с тем, что Лаубе рассматривает открытую форму рецептора, связывающуюся с агонистами, тогда как в действительности агонисты стабилизируют закрытую форму (как в нашей модели). (Модели связывания приведены ниже.)
В случае антагониста АР5 мы обнаружили, что а-карбоксильный остаток и аминогруппа взаимодействуют с теми же аминокислотными остатками, как и глутамат, тогда как дистальная фосфоновая группа образует солевой мостик с К485 и К488 (важность этого остатка в связывании с лигандом не установлена сайт-специфическим мутагенезом). (Модели связывания приведены ниже.)
Для уточнения результатов докинга и изучения роли воды в связывании лиганда мы выполнили молекулярно-динамические исследования комплексов белка с глутаматом и АР5. Белок-лигандный комплекс был сольватирован внутри сферы радиусом 25А вокруг лиганда. АЬ initio RESP заряды атомов лигандов были рассчитаны с использованием расширенного базиса 6-31G [155]. Динамика проводилась с ограничением IBELLY [149], которое позволяло свободно двигаться лишь системе с радиусом 15 А около лиганда, а вся остальная часть системы была фиксирована. Вся система нагревалась от 1К до 300К с шагом 0.5 пс при постоянном давлении в течение 50 пс. Далее молекулярная динамика проводилась при 300К до достижения равновесия (-500 пс). На рис. 3 представлены RMS атомов, находившихся в "свободном" движении, и лигандов.
Изменение величины RMS атомов, находившихся в "свободном" движении (а), и лигандов (б) (1- комплекс с глутаматом, 2-комплекс с АР5).
Показано, что в обоих случаях аминогруппа взаимодействует предпочтительно с D732, тогда как докинг предсказал взаимодействие с Е413. Оба аминокислотных остатка расположены вблизи аминогруппы, но с разных сторон (рис. 4). Можно сделать предположение, что оба остатка принимают участие в связывании этой группы, однако молекулярная динамика в 100 пс не выявила обратный переход от D732 к Е413. С помощью молекулярно-динамических исследований было также уточнено положение дистальной группы АР5: она образует водородные связи с NH-группой S690 основной цепи, непосредственно связывается с К485 и связывается с К488 через молекулу воды.
Взаимодействие дистальных групп глутамата и АР5 с разными остатками определяет различное положение их в глобуле. Как видно из рис. 5 (а, б), глутамат лежит глубоко в кармане связывания параллельно шарнирной области и образует связи с двумя частями глобулы, что позволяет им сблизиться и схлопнуться за счет гидрофобного коллапса. Антагонист же располагается перпендикулярно шарнирной области, что препятствует схлопыванию, и ионный канал остается закрытым.
Приведенные выше результаты также свидетельствуют в пользу правильности построенной модели, поскольку модели позволили определить активный центр, согласующийся с экспериментальными данными по сайт-специфическому мутагенезу.
Модели, построенные методом сравнительного анализа молекулярных полей
Описанное выше качественное представление белок-лигандных комплексов позволило нам провести анализ взаимодействия лиганда с белком и рассмотреть особенности связывания лигандов. Наличие экспериментальных данных по биоактивности для серии антагонистов дало возможность проводить количественное описание белок-лигандных комплексов с целью предсказания биологической активности новых соединений и создания узкого фильтра для скрининга баз данных низкомолекулярных соединений при поиске новых лекарственных препаратов. Для построения количественных моделей нами были использованы два подхода. Первый подход был основан на построении корреляционных уравнений методами 3D-QSAR. Для построения таких моделей использовался метод сравнительного анализа молекулярных полей (CoMFA) [139], реализованный в молекулярно-графическом пакете Sybyl6.6 [148]. Второй подход заключался в построении регрессионных уравнений на основе оценочных функций и дескрипторов, описывающих различные взаимодействия в белок-лигандных комплексах, построенных при помощи докинга. Далее было предпринято построение модели, объединяющей эти два подхода с целью получения более точной и надежной количественной модели.
Общая методология построения CoMFA-моделей Расчет CoMFA-полей проводился со следующими параметрами: размер параллелепипеда устанавливался автоматически; шаг решетки 2А, пробная частица для стерических полей - атом углерода в sp3 гибридизации, для электростатических полей — протон. Регрессионный анализ методом частичных наименьших квадратов (PLS) проводился в два этапа: на первом этапе при анализе со скользящим контролем выбиралось оптимальное количество компонентов (NOC), при котором квадрат коэффициента множественной корреляции прогноза при отборе по одному соединению (Q2) был наибольшим; на втором этапе проводился PLS-анализ без скользящего контроля (R ) с выбранным количеством компонентов (NOC), и на основании этого анализа строились карты распределения полей.
Структуры соединений для всех используемых выборок были оптимизированы методами молекулярной механики с использованием силового поля Tripos, атомные заряды рассчитаны по методу Гастайгера-Хюккеля. При всех расчетах принимали физиологическое значение рН (рН=7), при котором карбоксильные и основные группы лигандов находятся в ионизированном состоянии. Для учета гидрофобного и полярного вкладов в CoMFA-модели рассчитывались полярные и гидрофобные дескрипторы с помощью программы HINT [159]. 3.6. Модели, построенные методом сравнительного анализа молекулярных полей
CoMFA-модели строились по 85 производным хинолона (табл. 2), замещенным в положениях 3, 4, 5, 6, 7, 8. В качестве зависимой переменной использовался lg(lAC5o) при ингибировании связывания [3Н]-5,7-дихлоркинуреновой кислоты ([3H]DCKA) [72-75]. Конформации лигандов с низкой энергией были найдены с помощью систематического конформационного поиска модуля SEARCH программного пакета Sybyl6.7.2 [148]. Пространственное выравнивание соединений проводилось с использованием общего элемента (2-хинолона) в качестве шаблона (рис. 13). Процедура выравнивания проводилась при помощи модуля Fit_atom пакета Sybyl6.7.2. Модели строились на дескрипторах, учитывающих стерические, электростатические, гидрофобные и полярные свойства молекул, а также способность образовывать донорно-акцепторные связи. Выравнивание хинолонов на основе общего элемента.
Статистические показатели полученных моделей представлены в табл. 3. Нами построено 15 моделей с различными наборами дескрипторов. Наилучшей оказалась модель, включающая дескрипторы, описывающие стерические, электростатические, полярные и гидрофобные свойства молекул. Такая модель иллюстрирует важность не только энтальпийного вклада в лиганд-рецепторные взаимодействия, но и энтропии сольватации. График зависимости рассчитанных значений lg(l/ICso) от экспериментальных величин представлен на рис. 14. В табл. 4 приведены предсказанные значения биологической активности для соединений, не принимавших участие в построении модели. Сравнение предсказанных и экспериментально определенных величин биоактивности для соединений контрольной выборки демонстрирует хорошую предсказательную силу полученной модели.
Электростатические и стерические карты были использованы для описания молекулярных полей. Относительный вклад полей: 33.8% (электростатическое поле) и 66.2% (стерическое поле). На рис. 15 показано распределение электростатических и стерических полей, наложенных на структуру самого активного соединения в обучающей выборке. Стерически благоприятные области для введения заместителей показаны зеленым цветом, стерически неблагоприятные области показаны желтым цветом, предпочтительность положительного частичного заряда показана синим цветом, а отрицательного - красным цветом. Присутствие желтого цвета около положения 8 указывает на значительное снижение активности при введении заместителей в это положение. Зеленая же область около положения 7 указывает на увеличение активности соединений при введении заместителей небольшого размера, таких как метил, этил и т.д., а красная область в этом положении указывает на то, что эти заместители могут быть электроотрицательными, например, атомами галогенов. Желтая область около положения 6 показывает стерически неблагоприятный регион для замещения, приводящий к снижению активности при увеличении размеров заместителей в этом положении. Действительно, соединения с атомом хлора или метильной группой в положении 6 имеют более высокую активность, чем соединения с группами большего размера, несущими частичный отрицательный заряд такими, например, как метокси-группа. Предпочтительность введения метила, по сравнению с заместителями, несущими частичный отрицательный заряд, соответствует наличию синей области около этого положения. Наличие красной и зеленой областей вблизи положений 4 и 5 указывает на предпочтительность несущих частичный отрицательный заряд групп в этих положениях.
CoMFA-модель на основе совмещения по фармакофору
Поиск фармакофора был осуществлен с помощью модуля DISCO молекулярно-графического пакета Sybyl6.7.2 [148]. В основе этой программы лежит представление каждой молекулярной структуры в виде графа, вершины которого образованы фармакофорными центрами ("положительно заряженный атом", "акцептор или донор водородной связи", "ядро гидрофобной области" и др.), а ребра графа помечены геометрическим расстоянием между соответствующими фармакофорными центрами. В этом случае фармакофором является подграф, присутствующий в графе хотя бы одной энергетически доступной конформации всех активных соединений. На первом этапе проводится генерация конформации гибких структур с последующей минимизацией их энергий и отбором энергетически доступных конформации (энергия которых превышает глобальный минимум не более чем на 25 ккал/моль) в базу данных. После создания баз конформеров для всех соединений выбирается одна молекула в качестве шаблонной структуры (как правило, эта структура имеет высокое значение биоактивности и содержит все важные для связывания элементы), и затем ищется фармакофор посредством поиска максимального общего подграфа для данного шаблона и остальных соединений выборки (проверяются все сгенерированные конформеры каждого соединения). Для поиска подграфа устанавливаются пределы допустимого различия расстояний между накладываемыми парами фармакофорных центров.
В нашей работе для поиска фармакофора была создана база активных структур-представителей каждого класса исследуемых соединений: 50, 13, 14, 20, 28, 36, 1 (см. табл. 8). В ходе конформационного поиска генерировалось до 70 конформеров для каждой молекулы базы. Для проведения поиска фармакофора в качестве шаблонной структуры использовалась структура ифенпродила. При генерации фармакофорной модели были найдены трех- и четырехцентровые фармакофоры. Для дальнейших исследований нами был выбран фармакофор, состоящий из наибольшего числа фармакофорных центров.
Предел суммарного, допустимого различия расстояний между двумя накладываемыми парами фармакофорных центров при построении четырехцентровых фармакофоров составил 4А. Таким образом, было найдено два четырехцентровых фармакофора, для выбора между которыми был рассчитан ван-дер-ваальсов объем перекрывания молекул при их совмещении с использованием каждого из них. Этот показатель характеризует способность молекулы размещаться в сайте связывания с учетом ее фармакофорных особенностей (т.е. ее ориентация в пространстве не должна быть произвольной). По наилучшему (наибольшему) перекрыванию был отобран фармакофор для следующего этапа. На рис. 30 показан итоговый фармакофор на примере структуры шаблона -ифенпродила. Полученный фармакофор включает следующие центры: ОН-группа (акцептор или донор водородной связи), два фенильных кольца (гидрофобные участки) и атом азота (донор водородной связи). Расстояния C-N, O-N, N-O для ряда соединений приведены в табл. 9. Из этих данных следует, что полученные конформеры имеют более вытянутую конформацию по сравнению с конформерами, полученными в результате докинга.
После нахождения фармакофора вся выборка соединений была выравнена на основе полученного фармакофора (рис. 296), и было проведено построение CoMFA-моделей. В табл. 11 приведены статистические показатели построенных моделей с различными наборами дескрипторов. Наилучшей моделью оказалась модель, включающая дескрипторы, описывающие стерические параметры молекул и способность образовывать донорно-акцепторные связи. Полученная на основе фармакофорного выравнивания количественная модель обладает лучшими статистическими показателями и предсказательной способностью по сравнению с моделью, построенной по результатам докинга (см. табл. 10).
Причина более слабой предсказательной силы модели, полученной по результатам докинга, может быть связана как с недостаточно высоким качеством модели белка (18% гомология с шаблоном позволяет в большинстве случаев устанавливать лишь общую укладку белковой цепи), так и с не учетом влияния NR1 субъединицы при связывании лиганда.
Следует отметить, что Мазуко и соавторы на основе мутагенеза аминокислотных остатков в N-концевом домене NR1 субъединицы, выявили гидрофобные аминокислотные остатки, важные для связывания ифенпродила и сделали предположение о наличии сайта связывания в этом домене [96]. Однако анализ выравнивания аминокислотных последовательностей N-концевого домена NR1 субъединицы и mGluRl позволяет интерпретировать полученные ими результаты несколько иначе. Более того, недавно опубликованные данные рентгеноструктурного анализа димера mGluRl [168] показали, что в димеризации глобул участвуют гидрофобные аминокислотные остатки.
Построенное нами выравнивание показало, что гидрофобные аминокислотные остатки, которые, согласно данным сайт-специфического мутагенеза [107], участвуют в связывании ифенпродила, располагаются в положениях, гомологичных гидрофобным аминокислотам, участвующим в образовании димера. На рис. 31 показано расположение N-концевых доменов NR1 и NR2B субъединиц относительно друг друга, полученное при совмещении с димером mGluRl. Полученные результаты позволяют предположить, что молекулы удлиненной формы, подобные ифенпродилу, могут контактировать с NR1 и NR2 субъединицами, а аминокислотные остатки в NR1-субъединице, важность которых установлена мутагенезом, могут быть непосредственно вовлечены в связывание с ифенпродилом из интерфейса между двумя субъединицами. И подобно механизму активации mGluRl [168], вращение в межсубъединичном интерфейсе в димере может оказаться важным для передачи сигнала при индуцированных ифенпродилом конформационных изменениях N-концевого домена NR2B субъединицы.
![Синтез замещенных и аннелированных спиро[бенз-2-азепин-3-циклогексанов] на основе N-оксида 5-метил-4,5-дигидро-3Н-спиро[бенз-2-азепин-3,1''-циклогексана]](/i/i/4506/445951.png "Синтез замещенных и аннелированных спиро[бенз-2-азепин-3-циклогексанов] на основе N-оксида 5-метил-4,5-дигидро-3Н-спиро[бенз-2-азепин-3,1''-циклогексана] Грудинин Дмитрий Геннадьевич")
