Научный журнал

Современные наукоемкие технологии

ISSN 1812-7320

"Перечень" ВАК

ИФ РИНЦ = 0,940

• Авторы
• Резюме
• Файлы
• Ключевые слова
• Литература

Раздольский А.Н. 1 Казаченко В.П. 1 Страхова Н.Н. 1 Григорьев В.Ю. 1

---

1 Институт физиологически активных веществ Федерального государственного бюджетного учреждения науки Федерального исследовательского центра проблем химической физики и медицинской химии Российской академии наук

Целью данного исследования являлось создание QSAR (Quantitative Structure Activity Relationship) моделей ингибиторной активности конъюгатов γ-карболинов с производными карбазола по отношению к бутирилхолинэстеразе (BChE). Эти соединения сочетают в себе γ-карболиновый фрагмент димебона и фрагменты производных карбазола. Такая структура конъюгатов позволяет им одновременно выступать селективными ингибиторами BChE и селективными блокаторами NMDA (N-methyl-D-aspartate) рецепторов. QSAR-поиск новых активных препаратов среди соединений, действующих одновременно на несколько биологических мишеней, является актуальным научным направлением в настоящее время. Пространственное строение молекул описывалось дескрипторами на базе оригинального метода – спектра межатомных внутримолекулярных взаимодействий (СМВВ). Для этих расчетов использовалась программа MOLTRA. Метод молекулярной механики, в параметризации ММ2, использовался для нахождения молекул с наименьшей энергией. Для этого использовалась компьютерная программа Cache Worksystem Pro. Нахождение значимой связи между структурой веществ и их свойствами осуществлялось посредством применения множественной линейной регрессии (программа SVD). Отобранные регрессионные уравнения обладали хорошими статистическими характеристиками. Полученные результаты в дальнейшем могут быть использованы при отборе кандидатов в новые лекарственные средства для лечения нейродегенеративных заболеваний. Работа выполнена в рамках Государственного задания Института физиологически активных веществ РАН 2023 года (тема № FFSN-2021-0004).

Статья в формате PDF

1187 KB

QSAR

конъюгаты ?-карболинов и фенотиазина

BChE

MOLTRA

HYBOT

СМВВ

1. Breijyeh Z., Karaman R. Comprehensive review on Alzheimer’s disease: causes and treatment // Molecules. 2020. Vol. 25. P. 5789. DOI: 10.3390/molecules25245789.

2. Burns A., Iliffe S. Alzheimer’s disease // British Medical Journal. 2009. Vol. 338. Р. b158. DOI: 10.1136/bmj.b158.

3. Бачурин С.О. Препараты для лечения болезни Альцгеймера по данным клинических испытаний и основные тенденции в подходах к поиску новых лекарственных средств // Журнал неврологии и психиатрии. 2016. Т. 8. С. 77-87.

4. Neves B.J., Braga R.C., Melo-Filho C.C., Moreira-Filho J.T., Muratov E.N., Andrade C.H. QSAR-based virtual screening: advances and applications in drug discovery // Frontiers in Pharmacology. 2018. Vol. 9. P. 1275. DOI: 10.3389/fphar.2018.01275.

5. Раздольский А.Н., Казаченко В.П., Страхова Н.Н., Раевская О.Е., Григорьев В.Ю. QSAR моделирование ингибиторной активности конъюгатов γ-карболинов и фенотиазина по отношению к бутирилхолинэстеразе // Международный научно-исследовательский журнал. 2022. № 3 (117). С. 86-90. DOI: 10.23670/IRJ.2022.117.3.013.

6. Makhaeva G.F., Lushchekina S.V., Boltneva N.P., Sokolov V.B., Grigoriev V.V., Serebryakova O.G., Vikhareva E.A., Aksinenko A.Yu., Barreto G.E., Aliev G., Bachurin S.O. Conjugates of γ-carbolines and phenothiazine as new selective inhibitors of butyrylcholinesterase and blockers of NMDA receptors for Alzheimer Disease // Scientific Reports. 2015. Vol. 5. P. 13164. DOI: 10.1038/srep13164.

7. Honarnejad K., Daschner A., Gehring A.P., Szybinska A., Giese A., Kuznicki J., Bracher F., Herms J. Identification of tetrahydrocarbazoles as novel multifactorial drug candidates for treatment of Alzheimer’s disease // Translational Psychiatry. 2014. Vol. 4. Р. e489. DOI: 10.1038/tp.2014.132.

8. Makhaeva G.F., Sokolov V.B., Shevtsova E.F., Kovaleva N.V., Lushchekina S.V., Boltneva N.P., Rudakova E.V., Aksinenko A.Y., Shevtsov P.N., Neganova M.E., Dubova L.G., Bachurin S.O. Focused design of polypharmacophoric neuroprotective compounds: Conjugates of γ-carbolines with carbazole derivatives and tetrahydrocarbazole // Pure and Applied Chemistry. 2017. Vol. 89. P. 1167-1184. DOI: 10.1515/pac-2017-0308.

9. Раевский О.А., Григорьев В.Ю., Трепалин С.В. HYBOT (Hydrogen Bond Thermodynamics) // Свидетельство об официальной регистрации программы для ЭВМ № 990090 (1999). Федеральная служба по интеллектуальной собственности, Москва.

10. Novikov V.P., Raevskii O.A. Representation of molecular structure in the form of a spectrum of interatomic distances for a study of the relationship of structure to biological activity // Pharmaceutical Chemistry Journal. 1982. Vol. 16. P. 379–386. DOI: 10.1007/BF00762059.

11. Trepalin S.V., Razdolskii A.N., Raevskii O.A. Software package for computer-aided design of effective physiologically active compounds, based on two-dimensional and three-dimensional physicochemical descriptors // Pharmaceutical Chemistry Journal. 2000. Vol. 34. P. 650-653. DOI: 10.1023/A:1010499601434.

12. SVD. [Электронный ресурс]. URL: https://www.imsl.com (дата обращения 30.09. 2023).

13. Kubinyi H. Variable selection in QSAR studies. I. An evolutionary algorithm // Quantitative Structure Activity Relationships. 1994. Vol. 13. P. 285-294. DOI: 10.1002/qsar.19940130306.

14. Mitra I., Saha A., Roy K. Exploring quantitative structure–activity relationship studies of antioxidant phenolic compounds obtained from traditional Chinese medicinal plants // Molecular Simulation . 2010. Vol. 36. P. 1067-1079. DOI: 10.1080/08927022.2010.503326.

Разработка новых химических препаратов, с целью облегчения состояния больных при нейродегенеративных заболеваниях, является важным и актуальным направлением современной медицинской химии. Прежде всего, это относится к болезни Альцгеймера (БА) – наиболее часто встречающемуся типу деменции у пожилых людей. По состоянию на 2020 год во всем мире насчитывалось около 50 миллионов человек с БА [1]. Этой болезнью страдают около 6% людей в возрасте 65 лет и старше [2].

Множество молекулярных объектов задействованы в развитии болезни Альцгеймера. Это определяет большой выбор мишеней для QSAR-поиска лекарств, облегчающих течение заболевания. В настоящее время используются: донепезил, галантамин, ривастигмин (ингибиторы ацетилхолинэстеразы) и мемантин (неконкурентный блокатор NMDA-подтипа глутаматных рецепторов) [3]. Поиск новых перспективных соединений связан с разработкой препаратов, способных действовать одновременно на разные основные мишени, вовлеченные в патогенез заболевания.

Для этого требуются усилия многих научных коллективов, врачей клинической практики, огромные финансовые и временные затраты. Снижение издержек возможно при использовании модельных экспериментов или расчетных методов оценки и отбора перспективных соединений. Примеры положительной практики расчетного метода QSAR описаны в литературе [4].

Наша предыдущая работа [5] была посвящена созданию компьютерных моделей активности конъюгатов γ-карболинов и фенотиазина по отношению к ингибированию бутирилхолинэстеразы. Выбор соединений был обусловлен тем, что они одновременно являются селективными ингибиторами BChE и блокаторами NMDA рецепторов [6]. С учетом того, что некоторые производные карбазола (например, аминотетрагидрокарбазолы) способны к модификации течения БА [7], перспективным направлением выглядит модификация конъюгатов путем замены фенотиазиновых фрагментов на карбазольные фрагменты.

Целью настоящей работы явилось создание компьютерных моделей активности конъюгатов γ-карболинов и карбазолов по отношению к ингибированию бутирилхолинэстеразы.

Материалы и методы исследования

Выборка соединений для обучения содержала 15 веществ (рис. 1, табл.). Она была сформирована на основе работы [8]. В таблице представлены данные по ингибированию бутирилхолинэстеразы (EC 3.1.1.8 из лошадиной сыворотки). В качестве меры ингибирующей активности использовали log(1/IC50), где IC50 (мкМ) – концентрация вещества, вызывающая 50% ингибирование BChE.

Рис. 1. Конъюгаты γ-карболинов и производных карбазола

Ингибиторная активность конъюгатов γ-карболинов с производными карбазола по отношению к BChE

Структуры молекул описывали двумерными (2D) и трехмерными (3D) QSAR-дескрипторами. В качестве 2D-дескрипторов использовали 45 физико-химических характеристик, рассчитанных на базе компьютерного комплекса программ HYBOT [9]. Для расчета 3D-дескрипторов был проведен полный конформационный анализ с использованием программы Cache Worksystem Pro 6.0. Методика расчета дескрипторов на базе спектров межатомных внутримолекулярных взаимодействий (СМВВ) [10; 11] была описана в работе [5]. Для дальнейшего анализа использовали парные атом – атомные взаимодействия с участием: 1) Н-донор – Н-донор (DDF, DDE); 2) Н-акцептор – Н-акцептор (AAF, AAE); 3) Н-донор – Н-акцептор (DAF, DAE); 4) положительно заряженных атомов; 5) отрицательно заряженных атомов; 6) положительно и отрицательно заряженных атомов, а также стерические (Ван-дер-Ваальсовое) взаимодействия атомов (VDW).

Таким образом, для описания пространственной структуры каждого соединения с помощью СМВВ использовали 10*100=1000 дескрипторов СМВВ. Общее количество дескрипторов, использованных в работе, составляло 1045.

Отбор дескрипторов осуществлялся через анализ корреляционной матрицы. Для этого использовали итерационную процедуру [5]. В результате число дескрипторов сократилось с 1045 до 208. Для нахождения связи между структурой веществ и их ингибиторной активностью был привлечён метод множественной линейной регрессии, реализованный в программе SVD [12]. Применяли только внутреннее тестирование, на основе кросс-валидации с выбором по пять (10 итераций). Это обусловлено малой величиной обучающей выборки. Использовали статистические характеристики QSAR-моделей: n – число соединений; R2 – коэффициент линейной корреляции; s – стандартное отклонение; FIT – модифицированный критерий Фишера [13]; R2p – рандомизационный параметр [14]. Формирование моделей проводили с помощью полного перебора комбинаций из 1-3 дескрипторов. Лучшие модели были отобраны на основе статистики FIT. Для оценки области применимости (AD) использовали интервальный метод.

Результаты исследования и их обсуждение

Две лучшие регрессионные модели, представленные ниже:

log(1/IC50) = 1.78(±0.54) – 22.0(±5.6) AAF-40(7.8-8.0) –

– 4.74(±1.00) DAF-28(5.4-5.6) – 0.424(±0.102) VDW-57(11.2-11.4) (1)

n=15; R2=0.794; s=0.21; FIT=1.77; R2cv=0.654; scv=0.28; FITcv=0.87; R2p=0.674

AD: AAF-40(7.8-8.0) = 0.0005÷0.0606; DAF-28(5.4-5.6) = 0.007÷0.217; VDW-57(11.2-11.4) = 1.947÷5.138

где AAF-40(7.8-8.0) – интеграл спектра акцептор – акцепторных внутримолекулярных взаимодействий по типу водородной связи на интервале 7.8-8.0 ангстрема; DAF-28(5.4-5.6) – интеграл донор – акцепторных взаимодействий по типу водородной связи на интервале 5.4-5.6 ангстрем; VDW-57(11.2-11.4) – интеграл Ван-дер-Ваальсовых взаимодействий на интервале 11.2-11.4 ангстрема.

log(1/IC50) = 7.81(±1.25) – 0.263(±0.047) VDW-27(5.2-5.4) –

– 0.263(±0.045) VDW-37(7.2-7.4) + 0.219(±0.078) VDW-66(13.0-13.2) (2)

n=15; R2=0.812; s=0.20; FIT=1.99; R2cv=0.649; scv=0.28; FITcv=0.85; R2p=0.696

AD: VDW-27(5.2-5.4) =17.54÷21.93; VDW-37(7.2-7.4) = 11.15÷15.88; VDW-66(13.0-13.2) = 0.03÷3.01

где VDW-27(5.2-5.4) , VDW-37(7.2-7.4) , VDW-66(13.0-13.2) – интегралы спектра Ван-дер-Ваальсовых внутримолекулярных взаимодействий на интервалах 5.2-5.4; 7.2-7.4 и 13.0-13.2 ангстрема соответственно.

Отметим, что обе QSAR-модели имеют удовлетворительные статистические характеристики. Также нужно подчеркнуть, что в лучшие финальные модели (1) и (2) вошли только 3D-дескрипторы, т.е. они являются в нашем случае более информативными и адекватными по сравнению с использованными 2D-дескрипторами. Путем расчета MLR-моделей на основе нормированных дескрипторов были оценены относительные вклады коэффициентов. Согласно модели (1) основной вклад в ингибирование BChE дают атомы, находящиеся на расстоянии 7.8-8.0 ангстрема и проявляющие акцептор – акцепторные взаимодействия (вклад 36.5%), а также атомы, находящиеся на расстоянии 5.4-5.6 ангстрема и проявляющие донор – акцепторные взаимодействия по типу водородной связи (вклад 38.5%). Менее значимый вклад (25.0%) вносят Ван-дер-Ваальсовы взаимодействия атомов на расстоянии 11.2-11.4 Å. При этом следует отметить, что рассмотренные выше дескрипторы характеризуются только отрицательным вкладом в активность. Согласно модели (2) активность может быть описана только с помощью Ван-дер-Ваальсовых взаимодействий атомов, находящихся на расстояниях 5.2-5.4; 7.2-7.4 и 13.0-13.2 Å. Важно подчеркнуть, что в модели (2) дескрипторы вносят разнонаправленный вклад в активность: VDW-27 (39.8%) и VDW-37 (40.7%) понижают активность, а VDW-66 (19.5%) повышает активность.

Рис. 2. DAF (донорно-акцепторные) спектры (СМВВ) конъюгатов γ-карболинов и карбазолов

Рис. 3. AAF (акцептор – акцепторные) спектры (СМВВ) конъюгатов γ-карболинов и карбазолов

Рисунки 2 и 3 иллюстрируют вклады в изучаемую активность тех атомов конъюгатов, которые формируют донор – акцепторные и акцептор – акцепторные внутримолекулярные взаимодействия (модель (1)). На этих рисунках показаны результаты работы программы 3D-MOLTRA: слева – 2D-структура конъюгата, в центре его 3D-структура, а справа представлены 15 DAF спектров всех молекул выборки, расположенные колонкой (рис. 2), или 15 AAF спектров (рис. 3). Основной вклад в дескриптор DAF-28(5.4-5.6) СМВВ вносят донор – акцепторные взаимодействия атомов Н гидроксильной группы и азота шестичленного насыщенного кольца γ-карболина, а основной вклад в AAF-40(7.8-8.0) СМВВ вносят акцептор – акцепторные взаимодействия азота карбазола и азота насыщенного цикла γ-карболина.

Выводы

Для конъюгатов γ-карболинов и карбазолов заряд-зарядовые СМВВ не существенны, в отличие от конъюгатов γ-карболинов и фенотиазинов.

Ван-дер-Ваальсовые взаимодействия СМВВ важны в обоих типах конъюгатов. Однако диапазон расстояния, на котором расположены взаимодействующие атомы, несколько отличен (конъюгаты γ-карболинов и фенотиазинов: 5.8-6.0 Å, конъюгаты γ-карболинов и карбазолов: 5.2-5.4; 7.2-7.4 и 13.0-13.2 Å).

Важные акцептор – акцепторные взаимодействия СМВВ несколько отличаются для разных типов конъюгатов. Если для конъюгатов γ-карболинов и карбазолов важны взаимодействия атома азота карбазола и атома азота насыщенного цикла γ-карболина (7.8-8.0 Å), то для конъюгатов γ-карболинов и фенотиазинов на первый план выходят AAF между атомом азота шестичленного насыщенного цикла γ-карболина и атомом кислорода карбонильной группы (7.6-7.8 Å), а также AAF между атомом серы фенотиазина и атомом кислорода карбонильной группы (5.0-5.2 Å).

Библиографическая ссылка