Є ще 1 сторінка.

Дивитися все сторінки або завантажити PDF файл.

Формула / Реферат

Спосіб створення нових активаторів АТФ-залежних калієвих каналів клітинних мембран, що базується на видозміні хімічної структури відомих активаторів цих каналів, який відрізняється тим, що в ньому використовують комп'ютерне моделювання просторової фармакофорної моделі та програмне забезпечення статистичної перевірки гіпотез, при цьому спочатку визначають важливі пункти взаємодії ліганд-рецептор, їх просторове розташування (їх просторову фармакофорну модель), після чого проводять пошук у базі структур органічних сполук, що відповідають такій фармакофорній моделі, а також створюють декілька варіантів фармакофорної моделі, відмінних між собою акцентами на різні типи взаємодії, після чого оцінюють якість фармакофорних моделей in silico за допомогою програмного забезпечення статистичної перевірки гіпотез.

Текст

Реферат: Спосіб створення нових активаторів АТФ-залежних калієвих каналів клітинних мембран належить до органічної хімії та може бути застосований для розроблення нових активаторів вищезгаданих каналів сарколемальної та мітохондріальної клітинних мембран. Суть способу полягає в пошуку структур лігандів із високою специфічністю до SUR1 та SUR2 субодиниць АТФ-чутливих калієвих каналів за допомогою комп'ютерного моделювання просторової фармакофорної моделі та in silico-дизайн за допомогою програмного забезпечення статистичної перевірки гіпотез. UA 99508 U (12) UA 99508 U UA 99508 U 5 10 15 20 25 30 35 Корисна модель належить до органічної хімії. Вона може бути застосована для розроблення нових активаторів калієвих каналів сарколемальної та мітохондріальної клітинних мембран. Найближчим до корисної моделі, що заявляється, є спосіб [1], в якому зазначений синтез нового активатора АТФ-залежних калієвих каналів дифторметилового-3-метил-2Н1,2,4бензотіодіозин-1,1 діоксиду, аналога відомого закордонного препарату діазоксид. Недоліком цього способу є відсутність можливості пошуку селективних речовини з великою вірогідністю активації лише заданих каналів. Також метод не дозволяє швидко та оперативно вносити зміни в хімічну будову активних сполук для збільшення активності та селективності, та зменшення токсичності, якщо така буде виявлена. Задачею корисної моделі, що заявляється, є розробка нового способу створення активаторів калієвих каналів, в основі якого лежить пошук структур лігандів із високою специфічністю до SUR1 та SUR2 субодиниць АТФ-залежних калієвих каналів за допомогою комп'ютерного моделювання просторової фармакофорної моделі та in silico-дизайн за допомогою програмного забезпечення статистичної перевірки гіпотез. Технічним результатом корисної моделі, що заявляється, є швидкодійність та оперативність вносення змін в хімічну будову активних сполук для збільшення активності та селективності та зменшення токсичності, якщо така буде виявлена. Суть корисної моделі, що заявляється, полягає в тому, що в ньому застосовують метод пошуку за просторовою фармакофорною моделлю, який полягає у наступному: - визначення важливих пунктів взаємодій ліганд-рецептор за типом та їх просторове розташування (тобто визначення просторової фармакофорної моделі). - пошук у базі структур органічних сполук таких, що відповідають такій фармакофорній моделі. Даний спосіб реалізується наступним чином. Приклад. Першим етапом роботи є віртуальний скринінг бази даних хімічних молекул з урахуванням особливостей обраних мішеней на основі in silico дизайну. Для чого для визначення та фільтрації хімічних сполук ми використали метод k найближчих сусідів (k nearest neighbor). У варіанті 1NN кожна ознака належить до визначеного класу залежно від інформації про його найближчого сусіда. У варіанті kNN кожна ознака відноситься до переважного класу найближчих сусідів, де k-параметр методу. В основі методу kNN лежить факт, что відповідно до гіпотези компактності ми очікуємо, что тестова ознака d буде мати таку ж мітку, як і навчальні ознаки в локальній області, що оточує ознаку d. Як первинне джерело низькомолекулярних сполук була використана колекція низькомолекулярних сполук виробника Enamine Ltd [2] загальною кількістю близько 1,8 млн. З колекції були виключені сполуки, що містять реакційно активні, токсичні, метаболічно нестабільні та інші небажані фрагменти. Після цього було також виключено сполуки, для яких розрахункові значення важливих ADME-пов'язаних властивостей лежать поза бажаними межами (таблиця). Таблиця Розрахункові фізико-хімічні параметри із відповідними межами, що використовувалися для фільтрування колекції низькомолекулярних сполук Позначення HBDon НВАсс MolWt LogP PSA LogS RotBonds Кількість донорів водневого зв'язку Кількість акцепторів водневого зв'язку Молекулярна маса (Да) Коефіцієнт розподілу між октанолом і водою LogP Площа полярної поверхні молекули ( Å2 ) Розчинність у воді LogS Кількість обертових зв'язків Мінімальне значення 200 Максимальне значення 5 10 500 -2 5 170 -6 Величина 0,5 10 40 В результаті такого фільтрування колекції було отримано набір з 1,32 млн. сполук. Зважаючи на те, що обчислювальний час, необхідний для докінгу однієї сполуки в одну білкову структуру на типовому ядрі процесора архітектури х86_64, складає близько 1 хвилини, та 1 UA 99508 U 5 10 15 20 25 30 35 40 виходячи із доступних обчислювальних ресурсів, розмір вибірки для докінгу має вимірюватись десятками тисяч сполук. Набір сполук для докінгу був отриманий із початкової сукупності із застосуванням алгоритму різноманітної вибірки. Вибірка проводилася за трьома ключовими критеріями: хімічною структурою, фармакофорними властивостями та об'ємною формою молекули. Процес генерації вибірки складався з чотирьох послідовних етапів: 1. Отримання різноманітної вибірки розміром 600 тис. сполук за критерієм хімічної структурної формули. Для опису структури використовувалися 166-бітні структурні дескриптори MACCS [3]. Значення кожного біта визначається наявністю у молекули певної властивості, такої як наявність у складі молекули атома певного хімічного елемента, наявність атома або групи атомів із певними властивостями, кількість таких атомів або груп (більше або менше порогового значення) та ін. 2. Генерація стереоізомерів для кожної із сполук; генерація для кожної сполуки можливих конформацій програмою ConfGen [4] із максимальною відносною енергією 50 кДж/моль, мінімальне середньоквадратичне відхилення атомів двох конформацій 0,4 нм. Всього отримано близько 4 млн. конформацій, тобто у середньому 7 для кожної сполуки. 3. Генерація вибірки розміром 250 тис. за критерієм різноманітності тривимірного розподілу фармакофорних властивостей у молекулі. Для опису застосовувалися триточкові фармакофорні дескриптори piDAPH3 [5]. Дескриптор молекули являє собою набір 18-бітних цілих чисел, кожне з яких відповідає одному із фармакофорних триплетів, тобто наборів з трьох фармакофорних точок молекули. Один елемент дескриптора кодує для кожної з трьох точок один з 8 фармакофорних типів, які визначаються комбінацією з трьох бітів: акцептор водневого зв'язку, донор водневого зв'язку та ароматичність (належність до  -системи). Таким чином перші 9 бітів кожного елемента кодують фармакофорні властивості триплета, а решта 9 довжини сторін утвореного ним трикутника (по 3 біти кожна). Трибітні компоненти елемента впорядковані відповідно до довжин сторін трикутника. 4. Генерація різноманітної вибірки розміром 50 тис. за критерієм тривимірної форми молекули. Використовувалися власноспектрові геометричні дескриптори ESshape3D [5]. Дескриптор являє собою вектор значень суми гаусіанів, центри яких є власними значеннями матриці попарних міжатомних відстаней у молекулі, у 122-х вузлах сітки. На перших двох етапах як міра подібності двох дескрипторів використовувався індекс Жаккара, що визначається для двох множин (або векторів бітів) X та Y як частка від ділення розміру їх перетину на розмір об'єднання: nX  Y  . K j X, Y   nX  Y  При цьому міра відмінності (відстань Жаккара) визначається виразом nX  Y  dj  1  K j X, Y   1  nX  Y  і є метрикою, зокрема задовольняє умову нерівності трикутника: два дескриптори, кожен з яких подібний до третього, обов'язково є також подібними між собою [6]. Максимальне значення відстані (відповідає мінімальній подібності) дорівнює одиниці. На третьому етапі для порівняння дескрипторів ESshape3D використовувалася Евклідова метрика: dX, Y   45 122  Xi  Yi 2 . i1 Структурні дескриптори MACCS, застосовані на першому етапі, будуються на основі двовимірної структури молекули, у той час як на останніх двох результат порівняння двох молекул залежить від конкретних об'ємних конформацій. На другому етапі для кожної сполуки був розрахований єдиний фармакофорний дескриптор, що визначається об'єднанням дескрипторів усіх можливих (згенерованих) конформацій: nc D   Xi , i1 50 де Xi - дескриптор і-ї конформації, nc - кількість конформацій сполуки. Визначений таким чином дескриптор містить кодування лише жорстких фармакофорних триплетів, тобто таких, які зберігають просторову конфігурацію незалежно від конформації молекули. На третьому етапі (дескриптори ESshape3D) кожна молекулярна конформація вважалася окремим елементом множини. 2 UA 99508 U Алгоритм побудови різноманітної вибірки b , i  1..m із заданої множини a , i  1..n на i i основі метрики dist x, y  описується псевдокодом: 10 20 30 40 50 b1  a1 для i  1..n : d   i для i  2..m : для j  1..n : dj  min dj, dist aj, bi  1 70 j max : dj max   max dj, j  1..n 80 b  aj max  i На кожному кроці (рядки 40-80) до вибірки додається елемент початкової множини aj max  , для якого відстань до найближчого елемента вибірки є найбільшою. Відстань до найближчого елемента вибірки для кожного із елементів множини зберігається у масиві d та оновлюється i після вибору кожного нового елемента вибірки на початку наступної ітерації (ряд. 50-60). Таким чином складність алгоритму складає Om  n . Зовнішній цикл (ряд. 40-70) виконується строго послідовно, у той час як внутрішній (ряд. 50-60) дозволяє паралельне обчислення. Проте у наведеному варіанті у випадку паралельної обробки відбувається інтенсивна міжпотокова комунікація: під час синхронізації (що відбувається на кожному кроці зовнішнього циклу) кожен потік має передати свою частину масива d після її обчислення. Для розв'язання цієї проблеми i слід переписати рядки 60-70 наступним чином, вважаючи що потік k працює зі своєю підмножиною, якій відповідає діапазон індексів j  j1k.. j2k : 60 dj  min dj, dist aj, bi  1 65 j max tk : dj max tk  max dj, j  j1k.. j2k 70 j max : dj max   max dj max_ tk, k  1..nt В такому випадку під час виконання кожен потік отримує лише один елемент ( bi  1, елемент вибірки отриманий на попередньому кроці) і після виконання передає один індекс ( j max_ tk  , індекс найдальшого від вибірки елемента серед підмножини, що відноситься до потоку) на кожному кроці зовнішнього циклу. В результаті алгоритм ефективно масштабується на практично необмежену кількість потоків у межах однієї системи. Алгоритм був реалізований у вигляді програми на мові C++ для операційної системи GNU/Linux. Для паралелізації використовувалася вбудована підтримка інтерфейсу ОреnМР компілятора GCC версії 4.6.3 [56]. Час побудови вибірки на першому етапі (розмір елемента 166 біт, метрика - відстань Жаккара, m  n  5  1011 ) склав порядку годин на сучасній 48-ядерній системі на основі процесорів архітектури х86_64. У результаті для докінгу в активні сайти була отримана вибірка з 2000000 сполук, яка максимально представляє всю різноманітність вихідної бази. Для з'ясування, наскільки репрезентативною є отримана вибірка, для неї було побудовано розподіл ADME-пов'язаних властивостей. На фіг. 1 наведено розподіл у вибірці у порівнянні із розподілом у вихідній сукупності, де зображено розподіл ADME-пов'язаних фізико-хімічних параметрів в різноманітній вибірці сполук: а - розчинність у воді LogS ; б - коефіцієнт розділу 60 5 10 15 20 25 30 35 LogP ; в - площа полярної поверхні молекули ( Å 2 ); г - молекулярна маса (Да); д, e - кількість акцепторів та донорів водневого зв'язку; e - кількість обертових зв'язків у молекулі. Як видно з рисунку, відмінності у розподілах є незначними. Це означає, що застосовані методи вибірки є репрезентативними відносно основних фізико-хімічних молекулярних властивостей і дають змогу зменшити кількість сполук, не зменшуючи загальної якості вибірки. При цьому слід відмітити, що помітне зміщення розподілу у бік більшої кількості обертових зв'язків (фіг. 1) пов'язане із вибором різноманітних за формою молекули сполук. Цілком логічно, що молекули із більшою кількістю обертових зв'язків здатні до утворення більш різноманітних конформацій. Для пошуку похідних аналогічних структурам наведених нижче, що є відомими з літературних джерел регуляторами активності КАТФ каналів було використано 3 підходи. 3 UA 99508 U HN O N H3C N H3C HN S Cl O O O F F S O . Перший підхід полягав у пошуку в базі по підструктурі. Вибрані наступні підструктурні пошуки: NH2 rng NH2 S rng O O 5 . За даною підструктурою знайдено 913 сполук включаючи відомий регулятор з атомом хлору зображений на попередній фігурі. Також ми вирішили замінити в молекулі SO2 групу на СО і знайти такі аналоги з атомом хлору та OCHF2 (CH2CHF2) группами: A F N F NH O 10 . За даною підструктурою знайдено 18 сполук. За іншою підструктурою (дивіться нижче) знайдено 325 сполук. N NH Cl O 15 20 25 30 35 40 CH3 chn . Другий підхід полягав у пошуку сполук за допомогою методу з використанням коефіцієнтів подібності молекул танімото. Як вихідний хід використовувався відомий регулятор з атомом хлору зображений вище. Для даної структури використовувався коефіцієнт побудований по моделі трьох точкових фармакофорів FP:piDAPH3, для самого хіта (3,7е+004 1,02е+005 1,03e+005 1,03e+005 1,35e+005 1,35e+005 1,36e+005 1,44e+005 1,44e+005 1,44e+005 1,48e+005 1,48e+005 1,49e+005 1,68e+005 1,68e+005 1,69e+005 1,76e+005 1,77e+005 1,77e+005 1,8e+005 1,81e+005 1,81e+005 1,82e+005 1,82e+005). За даним пошуком було знайдено 189 сполук, які частково пересікаються зі структурами з першого підходу (фіг. 2) Третій підхід полягав у побудові 3-Д фармакофорною моделі і в пошуку в базі сполук, що відповідають даній моделі. Для можливості пошуку в базі по 3-Д структурі, для всієї бази були створені 3-Д конформери. При створенні бази використовувалися наступні параметри: 1) Максимальна кількість конформерів складала 1000 на одну сполуку. 2) Максимальна кількість конформерів на кожен зв'язок що обертається 36. 3) рН для створення прототропних таутомерів в межах рН=7±2. 4) Максимальна кількість стереоізомерів на молекулу 8. Фармакофорна модель була побудована на основі відомого регулятора К АТФ каналу з атомом хлору фіг. 3. Довірливий інтервал для пошуку було встановлено у розмірі 2 А, тобто сумарно атоми що відповідають фармакофорам відхиляються від них максимум на 2 ангстреми. Для проведення фармакофорного пошуку використовувалися наступні параметри фармакофорів задані SMARTS: SMARTS, що відповідають акцептору водневого зв'язку [N;X1]#[#6] [N;X1]#CC [N;X2](=C~[C, c])C [N;X2](O)=N[a] [N;X2](=N-O)[a] 4 UA 99508 U 5 10 15 20 25 30 35 40 45 50 55 [n;X2]1ccccc1 [n;X2]([a])([a]) [N;X2](=C~[C, c])(~[*]) [N;X3](C)(C)[N;X3]C [N;X2](=C)~[*]) [N;X2](~[C, c])=[N;X2] [n;X2]1c[nH]cc1 O=[S;X4](=O)([!#8]X[!#8]) [O;X2]C [O;X2]N [O;X1]=[C, c] о [O;X2](C)C [O;X2]c1ncccc1 [O;X2]~[a] O=PO([!#1]) SMARTS, що відповідають донору водневого зв'язку [#1][О;Х2 [#1]S[#6] [#1][С;Х2]#[С;Х2] [#1][NX3]C(=[NX2])[#6] [#1][#7] SMARTS, що відповідають гідрофобній області [a]F [а]Сl [а]Вr [а]І [a]C(F)(F)(F) [a][CH2]C(F)(F)(F) [а]О[СН3] [a]S[CH3] [a]OC(F)(F)(F) C(F)(F)(F) F Сl Вr I default_aliphatic_surface C[S;X2]C [S;X2]CC [S;X2]C SMARTS, що відповідають ароматичній області default_aromatic_surface [с] За такого пошуку в базі було знайдено близько 100000 сполук, тому ми вирішили, виключити з фармакофорів слабкі акцептори водневого зв'язку (такі як двокоординований оксиген, та три координований нітроген), також як донор водневого зв'язку залишити лише NH та NH 2 групи, для гідрофобної області виключити атоми галогенів що зв'язані з аромати кою. Таким чином, після проведених операцій пошуку було знайдено близько 10000 сполук, що відповідають фармакофорній моделі. На фігурі 4 наведений приклад сполуки, з накладеною фармакофорною моделлю, що було знайдено в результаті вдосконаленого пошуку. Список джерел інформації 1. Ягупольський Л.М., Малетіна І.І., Петко К.І., Мойбенко О.О., Струтинський Р.Б., Пивовар С.М., Шевчук В.Г., Карвацький І.М., Тарасова К.В. Патент України № 77344 А61К31/54. „Дифторметиловий-3-метил-2Н1,2,4-бензотіодіозин-1,1 діоксид". № а200503296; Заяв. 11.04.2005; Опубл. 15.11.2006. - Промислова власність. - 2006. - № 11. 2. Chuprina, Alexander, et al. "Drug-and lead-likeness, target class, and molecular diversity analysis of 7.9 million commercially available organic compounds provided by 29 suppliers." Journal of chemical information and modeling 50.4 (2010): 470-479. 5 UA 99508 U 5 10 3. Brown, Robert D., and Yvonne С. Martin. "The information content of 2D and 3D structural descriptors relevant to ligand-receptor binding." Journal of chemical information and computer sciences 37.1 (1997): 1-9. 4. Watts, K. Shawn, et al. "ConfGen: a conformational search method for efficient generation of bioactive conformers." Journal of chemical information and modeling 50.4 (2010): 534-546. 5. Bender, Andreas, et al. "How similar are similarity searching methods? A principal component analysis of molecular descriptor space." Journal of chemical information and modeling 49.1 (2009): 108-119. 6. Lipkus, Alan H. "A proof of the triangle inequality for the Tanimoto distance." Journal of Mathematical Chemistry. - 1999. - 26.1-3: 263-265. 7. Stallman, Richard M., et al. "Using the GNU Compiler Collection". Free Software Foundation, Boston, 2012. ФОРМУЛА КОРИСНОЇ МОДЕЛІ 15 20 25 Спосіб створення нових активаторів АТФ-залежних калієвих каналів клітинних мембран, що базується на видозміні хімічної структури відомих активаторів цих каналів, який відрізняється тим, що в ньому використовують комп'ютерне моделювання просторової фармакофорної моделі та програмне забезпечення статистичної перевірки гіпотез, при цьому спочатку визначають важливі пункти взаємодії ліганд-рецептор, їх просторове розташування (їх просторову фармакофорну модель), після чого проводять пошук у базі структур органічних сполук, що відповідають такій фармакофорній моделі, а також створюють декілька варіантів фармакофорної моделі, відмінних між собою акцентами на різні типи взаємодії, після чого оцінюють якість фармакофорних моделей in silico за допомогою програмного забезпечення статистичної перевірки гіпотез. 6 UA 99508 U Комп’ютерна верстка В. Мацело Державна служба інтелектуальної власності України, вул. Василя Липківського, 45, м. Київ, МСП, 03680, Україна ДП “Український інститут інтелектуальної власності”, вул. Глазунова, 1, м. Київ – 42, 01601 7

Дивитися

Додаткова інформація

Автори англійською

Strutynskyi Ruslan Borysovych, Moibenko Oleksii Oleksiiovych, Boiko Oleksandr Mykolaiovych

Автори російською

Струтинский Руслан Борисович, Мойбенко Алексей Алексеевич, Бойко Александр Николаевич

МПК / Мітки

МПК: A61K 31/00

Мітки: спосіб, нових, клітинних, мембран, атф-залежних, калієвих, створення, каналів, активаторів

Код посилання

<a href="http://uapatents.com/9-99508-sposib-stvorennya-novikh-aktivatoriv-atf-zalezhnikh-kaliehvikh-kanaliv-klitinnikh-membran.html" target="_blank" rel="follow" title="База патентів України">Спосіб створення нових активаторів атф-залежних калієвих каналів клітинних мембран</a>

Подібні патенти