ДОКЛАДЫ АКАДЕМИИ НАУК, 2015, том 461, № 6, с. 720-723
БИОХИМИЯ, БИОФИЗИКА, МОЛЕКУЛЯРНАЯ БИОЛОГИЯ
УДК 544.165
МОЛЕКУЛЯРНЫЙ ДИЗАЙН СЕЛЕКТИВНЫХ ЛИГАНДОВ ХЕМОКИНОВЫХ РЕЦЕПТОРОВ
© 2015 г. М. Н. Курило, Ф. В. Рыжков, П. В. Карпов, Е. В. Радченко, В. А. Палюлин, академик РАН Н. С. Зефиров
Поступило 20.11.2014 г.
БО1: 10.7868/80869565215120245
Трансмембранные хемокиновые рецепторы, принадлежащие к классу рецепторов, сопряженных с О-белками, участвуют в иммунном ответе, воспалительных и аллергических реакциях, регулируя хемотаксис клеток иммунной системы — их движение в направлении увеличения концентрации белковых сигнальных молекул — хемокинов [1]. Низкомолекулярные лиганды хемокиновых рецепторов могут найти применение в лечении заболеваний, связанных с нарушением функционирования иммунной системы, в том числе бронхиальной астмы — хронического воспалительного заболевания с характерными патофизиологическими изменениями дыхательных путей, в развитии которых значительную роль играют эозино-филы. Поскольку хемотаксис эозинофилов обусловлен в основном хемокиновым рецептором третьего типа (ССЯ3), то его антагонисты могут стать важным компонентом комплексной терапии тяжелых форм астмы [2]. При этом большое значение имеет их высокая селективность к ССЯ3 по сравнению с другими хемокиновыми рецепторами, так как в противном случае применение препарата может вызывать нарушения в работе иммунной системы.
Целью настоящей работы является построение моделей связи структуры и антагонистической активности низкомолекулярных лигандов хемо-киновых рецепторов пяти типов (ССЯ1—ССЯ5), анализ их взаимодействия с рецепторами, прогнозирование профиля активности для ряда структур, а также дизайн селективных лигандов рецептора третьего типа.
Московский государственный университет
им. М.В. Ломоносова
E-mail: genie@qsar.chem.msu.ru
Институт физиологически активных веществ
Российской Академии наук,
Черноголовка Московской обл.
В ходе работы была подготовлена обширная база данных лигандов хемокиновых рецепторов CCR1—CCR5, включающая 1074 соединения. Данные были получены в ходе анализа более 200 оригинальных публикаций. Для формирования базы данных применяли программный комплекс Instant JChem [3]. Активности соединений были представлены в виде значений IC50 (моль/л) для связывания с рецепторами, в дальнейшем анализе использовали логарифмические величины
pIC50 = = lg(1/IC50). Для каждой из мишеней база данных включает несколько сотен органических соединений различных химических классов (табл. 1). По-видимому, на сегодняшний день она является наиболее полной и точной среди известных в литературе и основанных на открытых данных.
Учитывая значительное разнообразие структур лигандов хемокиновых рецепторов и недостаточно полные данные о селективности связывания с несколькими молекулами-мишенями, построение моделей связи "структура-активность" проводили отдельно для каждой из мишеней, ис-
Таблица 1. Характеристики нейросетевых моделей связи структуры и активности лигандов хемокиновых рецепторов
Рецептор N Nd Nh ö2 RMSEcv
CCR1 173 100 3 0.62 0.60
CCR2 200 40 3 0.74 0.50
CCR3 379 100 3 0.86 0.41
CCR4 133 40 3 0.74 0.41
CCR5 189 40 3 0.79 0.50
N — число соединений, N — число дескрипторов, Nfl — число нейронов в скрытом слое архитектуры нейронной сети, 22 — параметр перекрестного контроля, КМЗЕеу — среднеквадра-тическая ошибка при перекрестном контроле.
молекулярный дизаин
721
Я1, Я2 = Ме, Е1, Рг, 'Рг, Ви, С1, Вг, МН
>2
2
Я4
я1
ИМ
МИ
я2
N.
N
/
N N
М
\
N N
//
Н
И3С—N ^
Я3 = Ме, Е1, Рг, 'Рг, Ви, С1, Вг, МН2 Я4 = Ме, С1, Вг, МН2
Рис. 1. Схема дизайна антагонистов рецептора ССЯ3. Слева — центральный фрагмент антагониста, справа — набор за-
местителей.
пользуя метод искусственных нейронных сетей в рамках программного комплекса МА8АШп 2.0 [4, 5]. При построении моделей были использованы следующие группы дескрипторов молекулярной структуры: число вхождений в структуру соединения структурных фрагментов различных типов, содержащих не более 10 атомов (цепочки, циклы и разветвленные фрагменты с многоуровневой классификацией атомов, учитывающей их тип, валентное состояние, набор связей и число присоединенных атомов водорода) [4, 6]; комбинации свойств атомов для коротких цепочек атомов [7]; дескрипторы Абрахама [8], описывающие растворимость и способность к образованию водородных связей для органических молекул, рассчитанные с помощью нейросетевой модели. Из анализа исключали уникальные фрагменты, встречающиеся лишь в одном или двух соединениях, а затем отбирали наиболее значимые дескрипторы с помощью метода пошаговой множественной линейной регрессии. Нейросетевые модели строили с использованием различных вариантов архитектуры нейронной сети (числа нейронов в скрытом слое). Предсказательную способность моделей оценивали с помощью процедуры двойного перекрестного контроля [9]. Характеристики оптимальных моделей для каждой из мишеней (табл. 1) позволяют достаточно уверенно использовать их для прогнозирования активности новых соединений.
Для независимой проверки предсказательной способности моделей было выполнено прогнозирование активности для соединения УМ-355179 (1). Это один из первых примеров лигандов с экспериментально подтвержденной селективностью по отношению к ССЯ3 [10]. Величина р1С50 (ССЯ3) для него составляет 8.12, а активность в отношении ССЯ1 и ССЯ5, по крайней мере, на три порядка ниже. В результате прогнозирования получены величины р1С50 в отношении рецепто-
ров ССЯ1, ССЯ2, ССЯ3, ССЯ4, ССЯ5, равные соответственно 6.75, 6.00, 7.98, 5.56 и 7.76. Как видно, по данным прогноза это соединение действительно должно представлять собой весьма активный и селективный лиганд ССЯ3, хотя оценка селективности по сравнению с ССЯ5 оказалась ниже ожидаемой. Тем не менее в целом прогноз с использованием построенных моделей хорошо соотносится с экспериментальными данными.
р/с50(сся1245) 9.0
9 10
р/с50(сся3)
Рис. 2. Распределение сгенерированных структур по величине прогнозируемой целевой и побочной активности в отношении хемокиновых рецепторов ССЯ1—ССЯ5. Выделена область, соответствующая критериям отбора фокусированной библиотеки.
722
КУРИЛО и др.
oh o ^^^ ^^^ f
дУол^э^0'
1 h
Для дизайна потенциальных селективных антагонистов рецептора ССЯ3 использовали подход, основанный на виртуальном скрининге. Библиотека, включающая 3000 структур, была сгенерирована в стохастическом режиме [11] из центрального фрагмента и заместителей, представленных на рис. 1. Набор заместителей был определен с учетом особенностей обучающей выборки и карт активности для моделей связи "структура-активность", построенных в рамках метода анализа топологии молекулярного поля (MFTA) [12, 13].
Для всех сгенерированных структур проводили прогнозирование активности по отношению к рецепторам ССЯ1—ССЯ5 с помощью нейросете-
вых моделей. Распределение соединений библиотеки по величине прогнозируемой целевой активности pIC50 (CCR3) и максимальной побочной активности pIC50 (CCR1245) = maxpIC50 (CCR1, CCR2, CCR4, CCR5) представлено на рис. 2. Учитывая характер распределения, в качестве критерия отбора было установлено значение активности к CCR3 больше 8 при величине активности к остальным рецепторам (CCR1, CCR2, CCR4, CCR5) менее 7. В результате была получена фокусированная библиотека потенциальных селективных лигандов CCR3, включающая 25 соединений. Некоторые примеры их структур (2—7) представлены ниже.
Для дополнительной независимой проверки способности предложенных соединений к связыванию с рецептором и анализа взаимодействий в сайте связывания проводили полужесткий молекулярный докинг их структур с помощью программы AutoDock Vina 1.1.2 [14]. Модель пространственной структуры рецептора, построенная методом моделирования по гомологии, была получена из архива SWISS-MODEL [15] (код UniProt — P51677). Оптимальная по результатам докинга связанная конформация для соединения 6 представлена на рис. 3. Молекула лиганда
располагается в глубине обширной, преимущественно гидрофобной полости с внеклеточной стороны рецептора, между трансмембранными спиралями ТМ1, ТМ2, ТМ3, ТМ6 и ТМ7. Доминирующую роль в связывании играют гидрофобные взаимодействия. Возможно также образование водородной связи между остатком Ser110 и фрагментом мочевины в структуре лиганда. Некоторые положения структуры допускают введение дополнительных заместителей для улучшения связывания.
МОЛЕКУЛЯРНЫЙ ДИЗАЙН
723
Рис. 3. Расположение сайта связывания соединения 6 в структуре ССЯ3 по результатам докинга (слева) и строение сайта связывания (справа). Молекула лиганда представлена в виде шаростержневой модели. Показаны аминокислотные остатки, расположенные на расстоянии не более 4 А от нее.
Таким образом, нами построены предсказательные модели связи структуры и активности низкомолекулярных антагонистов хемокиновых рецепторов, проанализировано их взаимодействие с рецептором, разработана процедура виртуального скрининга и сформирована фокусированная библиотека потенциально активных и селективных лигандов рецепторов ССЯ3, которые могут найти применение при создании противовоспалительных и противоастматических средств нового поколения.
Авторы признательны фирме "СИешАхоп" за предоставление лицензий на программное обеспечение для работы со структурными данными. Работа выполнена при поддержке Программы РАН "Медицинская химия" и Российского фонда фундаментальных исследований (проект № 14— 03-00851).
СПИСОК ЛИТЕРАТУРЫ
1. Onuffer J.J., Horuk R. // Trends Pharm. Sci. 2002. V 23. № 10. P. 459-467.
2. Pease J.E., Williams T.J. // J. Leukoc. Biol. 2013. V. 94. № 2. P. 207-209.
3. Instant J. Chem 6.3.3, 2014. ChemAxon Ltd. (http: //www.chemaxon.com).
4. Артеменко Н.В., Баскин И.И., Палюлин В.А., Зефиров Н.С. // Изв. РАН. Сер. хим. 2003. № 1. C. 19-28.
5. Baskin I.I., Halberstam N.M., Artemenko N.V., et al. In EuroQSAR 2002 Designing Drugs and Crop Protectants: Processes, Problems and Solutions. Oxford: Blackwell, 2003. P. 260-263.
6. Zefirov N.S., Palyulin V.A. // J. Chem. Inf. Comput. Sci. 2002. V. 42. № 5
Для дальнейшего прочтения статьи необходимо приобрести полный текст. Статьи высылаются в формате PDF на указанную при оплате почту. Время доставки составляет менее 10 минут. Стоимость одной статьи — 150 рублей.