Scientific journal

International Journal of Applied and fundamental research

ISSN 1996-3955

ИФ РИНЦ = 0,593

Введение

Огромные затраты и время, затрачиваемые на разработку новых лекарств, подчеркивают необходимость «кардинального изменения» парадигмы создания лекарств. Необходимость своевременной адаптации и применения подходов компьютерного моделирования (in silico) в фармацевтических исследованиях широко признана, и ожидается, что это улучшит общую согласованность процесса разработки лекарств [1]. Использование вычислительных методов при поиске и разработке лекарств в настоящее время регулярно используется в качестве инструмента для определения приоритетов экспериментов на каждом этапе процесса. По истечении времени, при проведении исследования, соединение может выходить из строя в процессе разработки, тем дороже оно обходится, следовательно, крайне желательно предсказать этот сбой на ранней стадии процесса разработки лекарственного средства. Количественная оценка характеристики химических структур является основным направлением в изучении взаимосвязей структуры и активности. Информатика и вычислительная химия потенциально могут сыграть важную и разнообразную роль в разработке библиотек, предшествующих синтезу, поскольку невозможно синтезировать каждую молекулу, которая может быть получена. В последние годы изучению взаимосвязи «структура – активность» уделяется значительное внимание, поскольку они могут быть получены непосредственно из молекулярной структуры без особых экспериментальных усилий [2]. Прогнозирование биологической активности лиганда является ключевой проблемой в разработке лекарств. Статистические подходы на основе лигандов часто затрудняются шумом из-за недостаточной выборки: количество молекул, которые, как известно, активны или неактивны, значительно меньше количества возможных химических характеристик, которые могут определять связывание [3].

Успех подходов, связанных с количественным моделированием активности от структуры, можно объяснить возможностью определения приоритета будущих виртуальных аналогов перед синтезом. Методы изучения взаимосвязей, основанные на математическом сравнении связи – перспективны [4].

Цель исследования заключается в проведении поиска числовой структурной характеристики анальгетической активности в ряду амидов и гидразидов N-замещенных антраниловых кислот исследованием взаимодействия молекулярной стыковкой по интерлейкину 2.

Материалы и методы исследования

Статистическую обработку, построенную на корреляции, автор проводил с применением Microsoft Excel 2007 и пакета Statistica 10. Молекулярная стыковка в отношении интерлейкина 2 изучена при помощи программ изучения стыковки Autodock 4 и МGL Tools. Модель биомолекулы (PDB ID code: 1m48 [5]). Обезболивающий эффект определен на модели горячей пластинки, в секундах.

Результаты исследования и их обсуждение

В ходе изучения было выяснено, что в качестве участка стыковки и ориентирования изучаемых молекул, декартовых координат точки – кластера, полученный на основе ацетилсалициловой кислоты (АСК), как вещества, обладающего противовоспалительным и обезболивающим эффектом. Кластер состоит из структур, найденных по результатам стыковки с биомолекулой (интерлейкин 2 (ИЛ-2)), и наименьшим значением потенциальной энергии стыковки (Be = -5,22 ккал/моль) (рис. 1).

Рис. 1. Область связывания анализируемой АСК с ИЛ-2

Область связывания АСК по биомолекуле интерлейкина 2 включает в себя липофильные области по остаткам аминокислот: лейцин 72 (LEU72A) и валин 69 (VAL62A)). Ионное и водород-связанное взаимодействие с формированием связей кислорода карбонильной группы по остатку аргинина 38, и ацетильного фрагмента по сложно-эфирной группе.

При использовании кластера молекулярная стыковка происходит по четырем фрагментам аминокислот: лейцин 72 (LEU72A), валин 69 (VAL62A), треонин 41 (THR41A) и аргинин 38 (ARG38A)).

Изучение молекулярной стыковки по интерлейкину 2 и корреляционное моделирование проведено для выборки из 24 веществ (рис. 3): амиды и гидразиды N-замещенных антраниловых кислот, общая формула которых представлена на рис. 2.

Рис. 2. Строение исследуемых веществ I–XXIV, которые изучены в работе, с радикалами: R1, R2, R3, R4, R5

Рис. 3. Строение изучаемых соединений I–XXIV

Для класса веществ, которые исследуются, характерен широкий спектр биологической активности [6, 7].

В результате проведенного молекулярного докинга, основанного на кластере с координатами (x = -4,560, y = 11,693, z = -11,274), автором получены результаты, которые описаны в табл. 1. По каждому производному (I–XXIV) представлены данные: 10 результатов молекулярной стыковки в виде значений энергий по ИЛ 2 (binding energy (Beил 2)).

Выполнен корреляционный отбор методом подстановки и выравнивания по коэффициенту корреляции результатов молекулярного докинга по связи с анальгетической активностью.

Для определения АА использована методика горячая пластинка, данные приведены в секундах (с). Данные, полученные из десяти конформаций по каждому соединению, были подвергнуты статистическому анализу.

Таблица 1

Анальгетическая активность и энергии стыковки анализируемых соединений (I–XXIV) по ИЛ 2

Всего изучено 24 соединения (I–XXIV). Проведена оценка взаимодействия исследуемых веществ с активным участком ИЛ-2 по энергии связывания. Вещества с АА: 25 с и более, энергетически взаимодействуют с участком мишени при BeИЛ-2 в диапазоне от -4,49 до -5,42 ккал/моль.

Энергетически коррелируемое взаимодействие позволяет предположить наличие пространственной области биомишени, обеспечивающей контакт с ИЛ-2. Наличие области взаимодействия подтверждается проведением исследования с использованием трехмерного моделирования АА, осуществлен поиск дескриптора АА на основе энергии докинга, выраженной в ккал/моль. Поиск дескриптора осуществлялся методом линеаризации, выравнивая выборку относительно прямой линии, достигая максимальной линейности, что является следствием проводимого изучения, проведением обучения дескриптора на количественную связанность с АА (BeИЛ-2 АА).

Выбор конформаций представлен в табл. 2. В ходе изучения было выявлено, что все соединения имеют высокие показатели стыковки при взаимодействии с различными аминокислотными остатками: аргинин (ARG38), треонин (THR41) и лизин (LYS43). Анализ результатов молекулярного докинга показал, что корреляционный анализ в области поиска дескриптора АА позволяет проводить отбор конформаций вне зависимости от одного пространственного кластера.

По данным, приведенным в табл. 2, обнаружено наличие нескольких кластеров, поэтому обработка выборки только по одному кластеру не приведет к получению целевого результата.

Таблица 2

Результаты взаимодействия анализируемого ряда лигандов с ИЛ-2 по зависимости с ААэксп.

Проведено описание коррелируемого кластера поиска анализируемого ряда лигандов по результатам анализа Statistica 10 и простого регрессионного анализа. Результаты отбора докинг-конформаций описаны значимым уравнением линейной регрессии (p < 0,05), с коэффициентом корреляции равным 0,720:

BeИЛ-2 АА = – 3,6629 – 0,0408 × АА

(R = 0,720; F = 23,71;

p = 0,00007; S = 0,29; N = 24).

Заключение

Проведена оценка взаимодействия исследуемых соединений с интерлейкином 2, с использованием корреляционного анализа с анальгетической активностью. В ходе проведенного исследования обнаружен коэффициент корреляции R, равный 0,720. Предложенная автором методика, получения направленного дескриптора биоактивности, дает возможность объединить несколько пространственных кластеров в один, связанный с биоактивностью. Параллельно с продолжением расчета взаимосвязи «структура – анальгетическая активность» в ряду анализируемых лигандов ряда, показана возможность анализа биомишени, для выявления биоактивных соединений.