删除或更新信息,请邮件至freekaoyan#163.com(#换成@)

Nature Chem.综述:从天然产物到药物设计_青岛生物能源与过程研究所

青岛生物能源与过程研究所 免费考研网/2017-12-08

天然产物是药物开发的宝库。来自苏黎世联邦理工学院(ETH Zürich)的Gisbert Schneider教授(点击查看介绍)等在Nature Chemistry上撰写综述文章,总结近来天然产物启发药物发现的理论和实践,以及计算机辅助的天然产物研究。(Counting on natural products for drug design.Nature Chem.,2016,8, 531-541, DOI: 10.1038/NCHEM.2479)

  药物研究人员经常在具有特定活性骨架、活性基团和优秀生物活性的天然产物分子中找到灵感,特别是在人类与传染病和癌症抗争的漫长历史中,许多天然产物扮演了重要的角色。例如,一些他汀类重磅药物就从天然产物衍生而来,包括治疗高胆固醇血症的瑞舒伐他汀(Rosuvastatin),药效团就copy了来自烂柠檬中青霉菌Penicillium citrinum的美伐他汀(Mevastain),如图1所示。

  

  图1. 美伐他汀和瑞舒伐他汀拥有不同的骨架结构,但是药效团相同。亲脂性基团用绿色表示,氢键受体用红色表示,氢键受体和供体用品红色表示。如两个化合物的晶体结构叠加图所示(瑞舒伐他汀为蓝色,美伐他汀为绿色),它们与靶标3-羟基-3-甲基戊二酰辅酶A还原酶的关键作用相同。酶的口袋溶剂可及表面环绕着瑞舒伐他汀,计算机药效团模型也支持此作用。图片来源:Nature Chem.

  正因为如此,天然产物在药物发现中的作用重要且持久。一项分析数据显示,从1939年起美国FDA批准上市的药物中,有相当数量含有天然产物片段,见图2所示。主要的天然产物数据库见表1。

  

  图2. a.天然产物药效片段。天然产物数据库The Dictionary of Natural Products database含有210,213个天然产物。通过计算机辅助虚拟反合成程序(RECAP法),产生了134,102个不同的片段(分子量在100到300之间)。许多片段出现在上市药物中,这些片段也能用于计算机从头设计药物分子,目前已经广泛运用于当今基于结构的药物设计软件中。b. 每年上市药物中含有天然产物片段的平均数。柱状图(蓝色)为片段得分,片段得分 = 匹配的片段数量/分子量。黑点代表每年美国FDA批准的药物数量。图片来源:Nature Chem.

  
  

  天然产物与合成小分子药物相比具有以下特点:

  ①复杂的化学结构;

  ②大量的sp3杂化的桥头碳原子和手性中心;

  ③含氮原子少,含氧原子多;

  ④多具有脂肪烷烃,只有38%的天然产物含有芳香环;

  ⑤50%的天然分子不含有合成片段,但20%的天然产物环结构存在于上市药物分子中。

  现在的药物化学逐渐抛弃单纯的平面分子结构,转而强调三维空间设计,天然产物独特的结构恰好起到参考作用。90年代起,基于片段的药物发现(fragment-based drug discovery)开始崛起,绕开早期药物发现出现的毒性、缺乏有效性等缺陷,并借助于生物物理技术和配体筛选,分子结构逐步链接和增长,从而开发成为具生物活性的先导化合物。计算机辅助药物设计的发展,以及基于片段的从头设计(fragment-based de novo design),成为现代药物设计的重要方法。  

  天然产物作为先导化合物的起点

  在药物设计这场旷日持久的挑战赛中,灵感来自天然产物的合成化合物绝对算是切实可行并富有创新精神的解决方案。从类药化合物总结出来的“五倍律”或“三规则”,有时反倒妨碍了药物先导的发现,不论是合成化合物还是天然产物,运用这些规则时要分外谨慎。图3列举了天然产物到生物活性分子的几个例子。化合物1是脱氧尼博霉素(Deoxynybomycin)的类似物,具有很好的抗金黄色葡萄球菌Staphylococcus aureus活性,而且可溶性更好,显著提高了感染小鼠的生存率。细胞生长抑制剂2来源于Spirotryprostatin B,通过不对称1,3-偶极环加成反应得到了这个包括季碳核心和三个叔碳手性中心的结构。基于生物活性合成的化合物3,拥有醉茄内酯Withanolide A的结构单元,可作为Hedgehog信号通路Smoothened受体的拮抗剂。化合物4是神经突生长的引诱剂,核心结构来自militarinone。大环类天然产物通常情况下难以进行结构优化,采用多样性导向合成策略可以得到结构多样的化合物库(如化合物5),而基于活性导向合成策略则得到更类似天然产物的化合物库(如内酰胺6,一种雄激素受体激动剂)。

  

  图3 天然产物启发具有生物活性的合成化合物。图片来源:Nature Chem.  

  计算机辅助设计

  天然产物引发了灵感,计算机程序则提高了合理设计分子的效率。分子骨架或框架作为桥梁连接了天然产物和合成化合物这两个世界。计算机软件的核心是将天然产物和合成化合物形象化,通过逐步简化产生骨架树,得到直观的结构图(图4)。Koch等设计例了从海洋产物二倍半类萜烯dysdiolide的化合物库,其中19%的化合物拥有抑制11β-羟化类固醇脱氢酶I的活性。同样采用提取骨架的理念,2009年Wetzel发布了Scaffold Hunter软件,核心技术是对结构复杂的天然产物进行反卷积(de-convolution)分析,得到虚拟骨架树,使复杂生物活性物质的化学结构数据更直观,相似的结构表现出类似的活性,这种方法曾成功地应用在鉴定丙酮酸激酶的抑制剂和激活剂上。与高通量筛选相比,这种方法的命中率更高。不过,通过基于天然产物片段的分子设计得到的化合物活性经常只是弱到中等,后续进一步的结构优化是提高活性不可缺少的步骤。

  

  图4 计算机辅助设计小分子化合物,从天然产物模板中进行骨架简化。天然产物的骨架结构复杂,人工或计算机辅助进行结构简化,合成容易获得类似片段的骨架结构。一般原则可用同心圆阐明:逐步减少天然产物母核的结构复杂性,分解成片段,产生更小的具有吸引力的化学骨架。图片来源:Nature Chem.

  预测天然产物的大分子靶标

  缺乏天然产物靶标的确切信息曾一度阻碍了药物化学和药物发现中对分子骨架的设计,现在已经出现了不少颇具创新性的靶标预测工具,可帮助确定生物大分子靶标或者潜在的药物脱靶效应,可能有助于确定天然产物的生物活性。靶标预测可以指导天然产物的生物化学筛选,以减少实验数量,节省宝贵资源。例如,通过反向分子对接,橙皮内酯(meranzin)的靶点被确定为环氧化酶2(cyclooxygenase-2)和过氧化物酶体增殖物激活受体γ(peroxisome proliferator-activated receptor gamma);通过使用三维药效团模型Rollinger等人虚拟筛选了Ruta graveolens的16种代谢产物,所用数据集包括2,208种药效团模型,最终确定山小橘碱(arborinine)为人鼻病毒(human rhinovirus)外壳蛋白抑制剂,芸香苦甙(rutamarin)为大麻素受体2(cannabinoid-2 receptor)配体。

  PASS是较早面世的一款软件,它通过分子二维化学结构预测生物活性,曾成功应用在90多种海绵生物碱上,其中约80%具有抗肿瘤活性。此外还有很多其他软件或方法,它们的工作原理大都需要依赖以下信息:(1)化学结构类似药物的已知靶标信息,(2)明确的配体-受体对接信息,(3)基因序列和通路信息。这也不难理解这些软件或方法在预测天然产物靶标时经常出现有失误,特别是天然产物结构缺乏上述信息的时候,比如结构特别复杂或者特别新颖。与之相比,SPiDER软件通过拓扑药效团和物理化学性质双重信息来预测靶标,少了诸多限制。例如,在预测大环类天然产物archazolid A的靶标过程中表现出了令人震惊的准确性,预测archazolid A可以抑制5-脂氧合酶和前列腺素E2合酶1,部分激活法尼醇X受体,而且都获得了实验证实。天然产物和靶标的关系见图6所示。

  

  图5. 天然产物和合成生物活性分子的靶标预测以及结构分析。图片来源:Nature Chem.

  天然产物在药物发现中有特权? 

  在药物发现中天然产物常常被提及为特权分子,它们频频在各类生物活性测试中表现出活性。这可能是由两种原因造成:(1)活性筛选时的假阳性,原因可能是天然产物所含活泼和不稳定官能团造成的非特异反应活性、溶解度问题、在测试条件下发生胶体聚集等等;(2)天然产物特定、可逆、浓度依赖的多靶标结合能力,又称为杂泛性。但也要值得注意,分析来看,天然产物中含有“非期望亚结构(undesired substructures)”的比例更高(见图6d、表2),例如约六分之一天然产物含有迈克尔受体基团。合成药物分子的杂泛性更强,更易出现结合多种靶标的情况(见图6e)。

  

  结论和展望

  天然产物在药物发现中的地位还无可动摇,现代化学和生物信息学等工具促进了基于天然产物的药物研发,如靶标预测软件、天然产物的代谢物研究、药效团的动力学和热力学帮助发现从天然产物中挖掘中先导化合物,实现从结构到片段再到结构的蜕变!

  原文链接:http://www.nature.com/nchem/journal/v8/n6/full/nchem.2479.html

  

  附录 常见天然产物数据库

  Dictionary of Natural Productshttp://dnp.chemnetbase.com

  Traditional Chinese Medicinehttp://tcm.cmu.edu.tw

  SuperNaturalhttp://bioinformatics.charite.de/supernatural/

  ChEMBLhttp://www.ebi.ac.uk/chembl/

  MarinLithttp://pubs.rsc.org/marinlit/

    作者介绍

  Gisbert Schneider教授:http://www.x-mol.com/university/faculty/2777

来源:X-Mol
相关话题/药物 结构 生物 设计 信息