黄酮类醛糖还原酶抑制剂的抑制机理研究

July [Article]
物理化学学报(Wuli Huaxue Xuebao) Acta Phys. -Chim. Sin., 2007, 23(7)： 1059-1064
1059
黄酮类醛糖还原酶抑制剂的抑制机理研究
刘海波 1,2
3
王占黎 3
乔颖欣 1,2
100080;
1
LIU Hai-Bo1,2
WANG Zhan-Li3
QIAO Ying-Xin1,2
ZHOU Jia-Ju1,∗
Abstract： A three -dimensional pharmacophore model was generated for aldose reductase (ALR2) inhibitors with flavonoid skeleton, using the software Catalyst. Specially customized features of hydrogen-bond acceptor and donor were used in this study, which perform better than the default features of Catalyst. The hypothesis model was scored based on the cost of the hypothesis from the null hypothesis. The final selected pharmacophore model had three features; one hydrogen bond acceptor and two donors. Six flavonoid compounds were used to dock into ALR2 active site, using InsightII/Affinity. Comparison between the pharmacophore model and the docking results suggested that the C7 and C4′ hydroxyls on the flavone skeleton were key functional groups influencing ALR2 inhibotory activity, and TYR48, VAL47, GLN49, HIS110, and TRP111 at the active site of ALR2 were the key residues for the binding. Key Words： Aldose reductase inhibitor; Flavonoids; Pharmacophore model
度葡萄糖激活, 将葡萄糖不断转化成山梨醇. 但是山 梨醇脱氢酶(sorbitol dehydrogenase)的活力并未相应 增加, 山梨醇不能迅速转化为果糖. 又由于山梨醇是 一种极性较强的化合物, 不易自由通过细胞膜, 因此 造 成山梨醇在细胞 内 不断 积聚 , 改变 细胞膜 的 通 透
Received: January 10, 2007; Revised: March 28, 2007; Published on Web: May 10, 2007. ∗ Corresponding authors. Email: jjzhou@home.ipe. ac. cn, hbliu@; Tel: +8610-62626703. 国家自然科学基金(20136020)资助项目 Ⓒ Editorial office of Acta Physico-Chimica Sinica
1060
Acta Phys. -Chim. Sin., 2007
Vol.23
性 . 多元醇通路 的 激活 的 另 一 个 严 重 后 果 是 造 成 NADPH 消耗量 的 大幅 度 提 高 , 从而导致 一 些需 要 NADPH 作 为 辅 酶 的 酶 , 如 谷 胱 甘 肽 还 原 酶 (glutathione reductase) 、 一 氧 化 氮 合酶 (nitric oxide syn [1-3] thase)等活性下降 . 所有这些变化又会引起蛋白激 酶 C、 Na +-K +-ATP 酶 等 活性 降 低 , 最终 导致 神经 系 统 脱 髓鞘疾 病 , 神经 及周围 组 织水肿等 糖 尿病 并 发 症[4,5]. 因此, 醛糖还原酶的激活被认为是引发糖尿病 并 发 症 的一 个重 要因素 , 抑制醛糖还原酶 成 为 治疗 糖尿病并发症的一种策略. 迄今为 止 , 已 经 有 一 系列 的醛糖还原酶抑制剂 被发现 并进行 了研究 . 从 化学 结 构 上 这些 化合物 可 以分为几大类, 如羧酸类、 环酰亚胺类、 黄酮类、 苯磺 [6] 酰硝基甲烷类和另外一些新的类型 . 其中的一些在 体外实验和动物实验中都显示出显著的活性[7, 8]. 由日 本 ONO 公司 开 发 的依帕 司 他 (epalrestat, EP) 在 1992 年已经投放日本市场. 很多 药用 植 物 具 有 治疗 糖 尿病 的效果 [9], 例如 野 菊 花 (chrysanthemum indicum) [10,11]、 乌 梅 (prunus [12] mume)、 积雪草 (centella asiatica) 、 以 及 巴西 的 一种 桃 金 娘 科(myrtaceae)植 物 myrcia multiflora[13,14]等等 , 有研究发现一些黄酮类化合物及其苷衍生物是这些 中药 里 起主要 作用的物 质 . 虽 然对黄酮类醛糖还原 酶抑制剂的研究 在上 世 纪 70 年 代 中 叶 就 已 经 开 始[15-17], 但是对于这类抑制剂构效关系的研究长期以 来一直停留在定性研究的水平[18]. 多数 黄酮类化合物 属 于 多羟 基化合物 , 羟 基的 类型包括连接在芳香性碳原子上的羟基和连接到脂 肪 性 碳 原子上 的 羟 基 , 这 两种 类型的 羟 基 在 黄酮类 化合物对醛糖还原酶的抑制过程中是否起到了不同 的作用还不清楚. 此外, 黄酮类化合物容易连接糖基 形成 苷 , 糖基化对醛糖还原酶抑制 活性 的 影响也 不 清楚 . 本 研究的目 标 是 建 立 黄酮类醛糖还原酶抑制 剂的药效团模型, 并进一步研究 二 者间 的作用机理 , 确 定醛糖还原酶 活性口袋 中 参 与 作用的 残 基 , 特别 对黄酮骨架周围的羟基和糖基对抑制活性的影响作 详细的探讨. 药效团的构建工作使用Accelrys公司的 Catalyst 软件包(Version 4.7)进行, 分子对接研究使用 Accelrys公司InsightII软件包的Affinity模块进行.
Flavonoids with Aldose Reductase Inhibiting Activity: Pharmacophore Modeling and Implications for Mechanism
( State Key Laboratory of Biochemical Engineering, Institute of Process Engineering, Chinese Academy of Sciences, Beijing 100080, P. R. China; 2Graduate University of the Chinese Academy of Sciences, Beijing 100049, P. R. China; 3 Technology Center, Neo Trident Technology Ltd., Beijing 100080, P. R. China)
2
周家驹 1,∗
中国科学院研究生院, 北京 100049;
(1 中国科学院过程工程研究所, 生化工程国家重点实验室, 北京
创腾科技有限公司技术部,醛糖还原酶抑制剂的抑制机理, 选择了 31 个黄酮类化合物作为训练集, 使用 Catalyst
软件包构建了此类抑制剂的药效团模型. 并专门针对黄酮类化合物定制了氢键给体和受体模型, 效果优于使用 Catalyst 内预定义的模型. 最终的药效团模型由两个氢键给体和一个氢键受体组成, 对训练集具有较好预测能力 (Correl=0.9013). 此外, 使用 InsightII/Affinity 对 6 个黄酮类化合物进行了分子对接研究. 综合药效团模型和分子 对接研究的结果, 发现黄酮类化合物的抑制活性主要源于黄酮骨架上的 C4′或 C3′位的羟基 与醛糖还原酶活性 口袋中的 TYR48、 VAL47、 GLN49 和 C7 位的羟基与 HIS110, TRP111 所形成的两组氢键. 关键词： 醛糖还原酶抑制剂; 黄酮类化合物; 中图分类号： O641 药效团模型
醛糖还原酶 (ALR2; EC 1.1.1.21) 是多元醇通路 中的 关 键限 速 酶 , 它以 还原型 辅 酶 II(NADPH) 为 辅 酶 , 将葡萄 糖还原为 山梨醇 . 通常条 件 下 , 醛糖还原 酶的 活性很低 , 多元醇通路处 于 关闭状态 . 但是 , 在 糖 尿病患者 的 神经细胞 内 , 醛糖还原酶 可能被高浓
从 中药化学 数据库 [19]和 其他 文献 [18-21]中 收集了 31 个 结 构具 有 多 样性 的化合物 , 按照 骨架结 构 可以分 为 黄酮、 异黄酮、 查耳酮三类(表 1). 这些化合物的醛糖 还原酶 活性以 大 鼠 模型的 IC50 值表 示 , 数值 分 布 在 0.04 到 93 μmol · L-1 之间. 为了保证所得到的药效团模型在统计学上的可 靠性, Catalyst 软件包对训练集分子活性数据的质量 有 一 定的 要 求 . 首先 , 必须 基于 同样 的药理实验模 型, 并尽可能来自同一个实验室, 如果是由文献中收 集 得到 , 则至少 具有 可 比 性; 其次 , 训练集 分子 的 活 性 数据 应分 布在 四 个 数 量 级 上 , 每 个 数 量 级 应 有 四 个或四个以上的分子, 训练集分子数至少为 16.本文 的数据集基本满足要求. 1.2 构象分析 训练集分子的构建可以 使用 Catalyst 软件包中 的 View compound 模 块进行 , 也 可以 使用 其他 分子 模型化软件构建 后 通 过 mol 文 件 导 入 , 本 文 使用 第 二 种 方法 . 对 每 个 分子 首先 用 3D Minimize 得到 最 低能 量 构 象 , 之 后 进行 构 象 分 析 . 构 象 分 析 有 Best Quality 和 Fast Quality 两种 模 式 , 前 者 用于训练集 的构象分析, 后者用于 Catalyst 数据库 的建 设 . 每 个 分子 生 成 的 最 大 构 象 数 使用 默 认 值 255, 产 生的 新 构象与最低能量构象间的能量差不大于84 kJ · mol-1, 这个范围内的分子构象被认为是分子与酶作用时可 能 的 活性 构 象 . 由 于 分子 的 柔 性不 同 , 训练集的 31 个分子各自产生了不同数量的构象(表 1). 简单的黄 酮类化合物由于主要由环结构组成, 刚性很强, 因此 构象数很少, 黄酮骨架连接糖基后, 由于糖基的柔性 很高, 导致分子构象数量大幅度提高. 1.3 药效团模型的构建 训练集中的 分子经过构 象 分 析 后 被 提 交 到 HypoGen 模 块 生 成 药效团模型 . 由 于 分子 的 活性 数据 来自不同文献, 因此不确定性值都定为3.0, 其余采用 默 认 值 . 在 产 生药效团模型的过程中 , Catalyst 软件 包对训练集中所有分子的所有构象的药效元素组合 方式进行 汇总分 析 , 试图寻找那 些 在高活性分子 中 普遍存在的药效元素以及这些药效元素在空间中的 排 列组 合 方式, 同时避免那 些 存 在 于 低活性分子 中 的药效 元 素 组合 方式 . 药效团模型的 评价 以 奥坎姆 剃刀规 则 (Occam ′s razor) 的 量化 延伸 为基 础 , 认 为 最 简单 的模型是最好 的 . 对 每 个 得到 的药效团模型 用一个包含表达模型的复杂性、化学特征与理想权 重的偏差、预测活性与活性实验数据的误差等信息