Электронная библиотека диссертаций и авторефератов России
dslib.net
Библиотека диссертаций
Навигация
Каталог диссертаций России
Англоязычные диссертации
Диссертации бесплатно
Предстоящие защиты
Рецензии на автореферат
Отчисления авторам
Мой кабинет
Заказы: забрать, оплатить
Мой личный счет
Мой профиль
Мой авторский профиль
Подписки на рассылки



расширенный поиск

Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Васильев Максим Николаевич

Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений
<
Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений
>

Диссертация - 480 руб., доставка 10 минут, круглосуточно, без выходных и праздников

Автореферат - бесплатно, доставка 10 минут, круглосуточно, без выходных и праздников

Васильев Максим Николаевич. Связь «структура – ноотропная активность» в ряду некоторых азот- и кислородсодержащих органических соединений: диссертация ... кандидата Химических наук: 02.00.04 / Васильев Максим Николаевич;[Место защиты: ФГБОУ ВО Башкирский государственный университет], 2016

Содержание к диссертации

Введение

I Литературный обзор 10

1.1 Особенности механизма проявления ноотропной биологической активности 10

1.1.1 Действие ноотропов 10

1.1.2 Классификация ноотропов 13

1.1.3 Перспективы поиска селективных ингибиторов ацетилхолинэстеразы 15

1.1.4 Строение и функции никотиновых ацетилхолиновых рецепторов 20

1.1.5 Циклооксигеназа- 1,2 24

1.1.6 Роль ЦОГ в нейродегенеративных заболеваниях 27

1.1.7 Клинические испытания ингибиторов ЦОГ при болезни

1.2 Системы и методы анализа связи «структура - активность» 33

1.2.1 Классификация дескрипторов в современной хемоинформатике 33

1.2.2 Типы классификации QSAR-методов 36

1.2.3 Программа GUSAR 2013 (General Unrestricted Structure Activity Relationships) 40

1.2.4 Докинг - подходы к созданию новых лекарств 43

II Методика эксперимента 50

2.1 QSAR- моделирование с использованием программы GUSAR 2013 50

2.1.1 Создание консенсус - моделей QSAR прогнозирования параметров Ki; 1С5о, ЕС5о, для агонистов и частичных антоагонистов никотинового ацетилхолинового рецептора (а4р2) 50

2.1.2 Формирование и построение обучающих и тестовых выборок 52

2.1.3 Характеристика обучающих и тестовых выборок, предназначенных для построения моделей количественного прогноза активности агонистов

2.1.4 Характеристика обучающих и тестовых выборок для построения QSAR-моделей прогноза параметра 1С50 и ЕС50 для ингибиторов ацетилхолинэстеразы 55

2.1.5 Оценка прогностической способности QSAR-моделей з

2.1.6 Оценка вклада атомов в целевую активность 58

2.2 Моделирование процессов комплексообразования низкомолекулярных лигандов с активными центрами изоформ ЦОГ и никотинового ацетилхолинового рецептора 59

III Результаты и обсуждения 61

3.1 Разработка комплексного подхода к прогнозу биологической

активности 61

3.1.1 Прогноз ноотропной активности для производных метанпиридо[1,2 А][1,5] диазоцина [(-)-цитизина] 70

3.2 Оценка стерической комплементарности некоторых производных 3,8-диазобициклооктана в активном центре никотинового ацетилхолинового рецептора человека 74

3.3 Стерическая комплементарность производных N-арилалкилцитизина с активным центром никотинового ацетилхолинового рецептора человека

3.4 Стерическая комплементарность некоторых производных пиридина, пиримидина, пирролидина с активным центром никотинового ацетилхолинового рецептора человека 88

3.5 Стерическая комплементарность некоторых производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина] с активным центром никотинового ацетилхолинового рецептора 92

3.6 Стерическая комплементарность некоторых производных 3,8-диазобициклооктана с активными центрами изоформ циклооксигеназ 98

3.7 Стерическая комплементарность некоторых производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина] с активными центрами изоформ циклооксигеназ 101

3.8 Изучение ноотропной активности производных (-)-цитизина I 105

Заключение ПО

Выводы: 113

Приложение 129

Список сокращений и обозначений 136

Введение к работе

Актуальность работы. Нейродегенеративные процессы в мозге
человека часто сопровождаются развитием воспалительных процессов, в
связи с чем перспективным направлением в биохимии и медицинской
химии является поиск биологически активных соединений с сочетанным
нейропротекторным и противовоспалительным действием. В настоящее
время с использованием современных методик биологических испытаний
активно изучается влияние противовоспалительных лекарственных
средств, представляющих собой селективные и неселективные

ингибиторы изоформ ЦОГ при различных патологиях. Благодаря этим
исследованиям виртуальные библиотеки и базы данных ежедневно
пополняются десятками новых соединений с выраженным

противовоспалительным действием. Однако проблема поиска

соединений, проявляющих одновременно выраженное ноотропное и
противовоспалительное действие, остается открытой. Биологические
испытания потенциальных ноотропов в условиях in vitro и in vivo без
привлечения методов виртуального скрининга требуют огромных
временных и материальных затрат, а также дорогостоящих человеческих
ресурсов и по этой причине экономически неэффективны. В этих
условиях особую актуальность приобретает машинный поиск связи
«структура-активность» с использованием современных методов

виртуального скрининга и создание комплекса моделей количественного прогноза ноотропной активности для разных классов соединений, направленных на отбор соединений-хитов, сочетающих выраженные противовоспалительные и нейропротекторные свойства.

Целью работы является установление связи «структура-ноотропная активность» в ряду некоторых азот-, кислородсодержащих соединений для предсказания потенциальных лекарственных препаратов с заданными свойствами.

Работа выполнена при поддержке гранта РФФИ 14-04-97035 «Механизм комплексообразования азот-, кислород- и серусодержащих соединений с ферментами липоксигеназной окислительной системы и полисахаридам» и проекта № 4.299.2014/K, выполняемого в рамках проектной части государственного задания Минобрнауки РФ в сфере научной деятельности.

Задачи работы:

моделирование количественной взаимосвязи между строением и эффективностью действия производных пиридина, пирролидина, пиперидина, пиперазина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина (12-амино-6,7,10,11-тетрагидро-7,11-метанциклоокта[b]хинолина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина, 5,6-дизамещенного пиридин-3-ил-1,5-диазокана, 5,6-дизамещенного 1-пиридин-3-ил-1,4-диазепана, (8)-3-(азетидин-2-илметокси)пиридина, (1R, 5S)-3-(пиридин-3-ил)-9-азабицикло[3.3.1] нон-2-ена, 5-замещенного 3-пиридин-3-ил-8-азабицикло[3.2.1] окт-2-ена, 5,6-дизамещенного 1-пиридин-З-илпиперазина, 3-замещенного 5-пиперидин-З-илоксипиридина, а также 3-замещенного 5-пирролидин-З-иолксипиридина) в отношении субъединицы а4р2 никотинового ацетилхолинового рецептора (нАХР), ацетилхолинэстеразы (АХЭ)и изомерных форм ЦОГ;

формирование и апробирование моделей количественного прогноза эффективности действия структурных аналогов данных классов органических соединений в качестве агонистов и частичных антагонистов субъединицы а4р2 нАХР и ингибиторов АХЭ;

структурный анализ агонистов и частичных антагонистов субъединицы а4р2 нАХР и ингибиторов АХЭ;

- моделирование процессов комплексообразования производных
пиридина, пирролидина, пиперидина, пиперазина, 3,8-
диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина с
субъединицей а4р2 нАХР и изоформ ЦОГ, идентифицикация
функциональных аминокислотных остатков, участвующих в
стабилизации положения данных классов органических
соединений в активных центрах субъединицы а4р2 нАХР и
изоформ ЦОГ;

определение соединений-хитов среди вышеперечисленных классов органических соединений с потенциально выраженным ноотропным и противовоспалительным действием;

виртуальный скрининг производных метанпиридо[1,2-А][1,5]диазоцина[(-)-цитизина] с использованием методологии QSAR и метода молекудярного докинга с целью поиска среди них потенциально эффективных агонистов субъединицы а4р2 нАХР и ингибиторов АХЭ.

Научная новизна. В результате структурного анализа ряда производных
пиридина, пирролидина, пиперидина, пиперазина, 3,8-

диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина,

выполненного по консенсус-моделям QSAR, построенным с использованием программы GUSAR 2013, выявлены структурные признаки, регулирующие активность этих классов соединений в отношении субъединицы а4р2 нАХР и АХЭ. С использованием методологии QSAR и метода молекулярного докинга предложены соединения-хиты среди вышеперечисленных классов органических соединений с потенциально выраженным ноотропным и противовоспалительным действием. С использованием аналогичных подходов, а также на основе биологических испытаний в условиях in vivo среди 21 производного метанпиридо[1,2-А][1,5]диазоцина[(-)-цитизина] отобраны потенциально эффективные агонисты субъединицы а4р2 нАХР и ингибиторы АХЭ с выраженным противовоспалительным действием.

Практическая значимость. Комплекс моделей количественного прогноза эффективности действия производных пиридина, пирролидина, пиперидина, пиперазина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина в отношении субъединицы а4р2 нАХР и АХЭ рекомендуется использовать для скрининга имеющихся баз данных с целью поиска новых соединений с выраженным ноотропным действием среди структурных аналогов данных классов соединений. Результаты структурного анализа агонистов и частичных антагонистов субъединицы а4р2 нАХР, а также ингибиторов АХЭ могут быть использованы для молекулярного дизайна активных компонентов известных ноотропных препаратов с целью повышения их терапевтического действия, а также при модификации структур нестероидных противовоспалительных средств и и других биологически активных веществ с целью оптимизации комплекса их терапевтических свойств (токсичности и эффективности). Соединения-хиты среди производных пиридина, пирролидина, пиперидина, пиперазина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина с потенциально выраженным агонистическим эффектом в отношении субъединицы а4р2 нАХР и ингибирующим действием в отношении АХЭ и изоформ ЦОГ могут быть перспективны для разработки на их основе новых лекарственных средств полифункционального действия.

Степень разработанности темы. К настоящему времени в научной и медицинской литературе активно изучается проблема поиска соединений с выраженной сочетанной ноотропной и противовоспалительной активностью Ежегодно виртуальные библиотеки и базы данных пополняются десятками новых агонистов, антагонистов и частичных антагонистов, селективно действующих на такие субъединицы нАХР, как а4р2, а3р4, а7, а9а10, и АХЭ. Отечественными и зарубежными учеными детально изучается влияние ЦОГ-2 селективных и неселективных ингибиторов ЦОГ, включая активные компоненты широко известных НПВП «Целекоксиб», «Диклофенак», «Индометацин», на

функционирование головного мозга животных и человека в условиях патологии (болезнь Паркинсона, Альцгеймера и т.д.). Однако проблема поиска биологически активных веществ с выраженной ноотропной и противовоспалительной активностью, предназначенных для лечения нейродегенеративных заболеваний на фоне повышенного уровня развития воспалительных процессов в мозге человека, до сих пор остается открытой.

Методология и методы исследования. Компьютерный поиск соединений с выраженным ноотропным и противовоспалительным действием среди разных классов органических соединений базируется на современных методах виртуального скрининга, включая QSAR-метод и метод молекулярного докинга. Выбор каждого из этих методов для решения поставленных задач осуществлялся на основании сравнительного анализа получаемых с его помощью результатов с данными биологических испытаний.

На защиту выносятся

комплекс моделей количественного прогноза эффективности действия производных пиридина, пирролидина, пиперидина, пиперазина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина в отношении субъединицы а4р2 нАХР и ингибиторов АХЭ, включающий 33 консенсус модели QSAR;

результаты молекулярного докинга производных пиридина, пирролидина, пиперидина, пиперазина, 3,8-диазабицикло[4.2.0]октана, 2,4-дизамещенного пиримидина в активные центры субъединицы а4р2 нАХР и АХЭ;

факторы стабилизации соединений данных классов в активных центрах субъединицы а4р2 нАХР и АХЭ;

соединения-хиты с потенциально выраженным ноотропным и противовоспалительным действием;

Достоверность и обоснованность результатов исследований.

Достоверность полученных результатов теоретических и экспериментальных исследований обеспечивается корректностью используемых методов компьютерного моделирования в соответствии с поставленными задачами. В частности, достоверность моделей QSAR, построенных с использованием программы GUSAR 2013, подтверждается удовлетворительным уровнем прогноза по ним количественных показателей активности в отношении субъединицы а4р2 нАХР и АХЭ для соединений обучающих и внутренних тестовых выборок. Достоверность результатов молекулярного докинга обеспечивается удовлетворительным совпадением расчетных и нативных положений тестовых лигандов, а также совпадением расчетных координат соединений-хитов с координатами референсных агонистов субъединицы а4р2 нАХР и

ингибиторов изоформ ЦОГ. Кроме того результаты теоретических
исследований по идентификации соединений с выраженным

нейропротекторным действием подтверждены данными биологических испытаний в условиях in vivo.

Апробация работы. Результаты диссертационной работы

представлены на всероссийских и международных конференциях: Международной школе-конференции для студентов, аспирантов и молодых ученых «Фундаментальная математика и ее приложения в естествознании» (Уфа, 2013, 2015); Международной конференции студентов, аспирантов и молодых ученых «Ломоносов» (Москва, 2013); Международной научно - технической конференции «Наука и образование» (Мурманск, 2013); Всероссийской молодежной научной конференции «Химия и технология новых веществ и материалов» (Сыктывкар, 2012); Всероссийской научно-практической конференции «Фундаментальные и прикладные аспекты анализа риска здоровью населения» (Пермь, 2012); Всероссийской конференции «Кластер-2012» (Новосибирск, 2012); XX Российском национальном конгрессе «Человек и лекарство» (Москва, 2013); Международной научно-практической конференции «Наука и образование в XXI веке» (Тамбов, 2013).

Публикации. По материалам работы опубликовано 3 статьи в рецензируемых журналах, тезисы 24 докладов на Международных и Всероссийских конференциях.

Личный вклад автора. Автор принимал непосредственное участие в проведении теоретических исследований, в обработке и интерпретации полученных результатов, а также в подготовке к изданию научных публикаций.

Автор выражает глубокую признательность своему научному руководителю д.х.н., доц. Хайруллиной В.Р., научному консультанту д.х.н., проф. Мустафину А.Г., а также д.х.н., проф. Герчикову А.Я. и д.м.н., проф. Зарудию Ф.С. за ценные научные консультации и всестороннюю поддержку на всех этапах выполнения данной работы.

Структура и объем работы. Диссертация изложена на 136 страницах машинописного текста, состоит из введения, 3 глав, заключения, выводов, списка литературы, включающего 137 источников, и приложения. Работа включает 23 таблицы и 21 рисунок.

Строение и функции никотиновых ацетилхолиновых рецепторов

Ноотропы, они же нейрометаболические стимуляторы — это средства, оказывающие прямое стимулирующее влияние на обучение, улучшающие память и умственную деятельность, а также повышающие устойчивость мозга к агрессивным воздействиям. Термин «ноотропный» составлен из греч. — разум и — ворочу, мешаю, изменяю.

В настоящее время не разработан единый механизм действия для всех ноотропов. Предполагается, что ноотропные эффекты могут быть следующими: непосредственное воздействие на нейроны; улучшение мозгового кровотока и микроциркуляции крови в мозгу; антиагрегантное, антигипоксическое, противоотёчное действие и тому подобное [1].

Ныне основными механизмами действия ноотропных средств считаются влияние на метаболические и биоэнергетические процессы в нервной клетке и взаимодействие с нейромедиаторными системами мозга. Производители нейрометаболических стимуляторов заявляют, что их препараты улучшают проникновение через ГЭБ и утилизацию глюкозы (особенно в коре головного мозга, подкорковых ганглиях, гипоталамусе и мозжечке), улучшают обмен нуклеиновых кислот, активируют синтез АТФ, белка и РНК. Эффект ряда ноотропных средств, возможно, опосредуется через нейромедиаторные системы головного мозга, среди которых наиважнейшие: моноаминергическая (пирацетам вызывает увеличение содержания в мозге дофамина и норадреналина, некоторые другие ноотропы — серотонина); . холинергическая (пирацетам и меклофеноксат увеличивают содержание ацетилхолина в синаптических окончаниях и плотность холинергических рецепторов, холина альфосцерат, производные пиридоксина и пирролидина улучшают церебральную холинергическую проводимость); . глутаматергическая (мемантин и глицин воздействуют через NMDA-рецепторы).

Ноотропы также оказывают иные воздействия, среди которых: . мембраностабилизирующее: регуляция синтеза фосфолипидов и белков в нервных клетках, стабилизация и нормализация структуры клеточных мембран; . антиоксидантное: ингибирование образования свободных радикалов и перекисного окисления липидов клеточных мембран; антигипоксическое: снижение потребности нейронов в кислороде в условиях гипоксии; . нейропротективное: повышение устойчивости нервных клеток к воздействию неблагоприятных факторов различного рода [1-4].

Значительную роль играет улучшение микроциркуляции в головном мозге за счёт оптимизации пассажа эритроцитов через сосуды микроциркуляторного русла и ингибирования агрегации тромбоцитов. Комплексное воздействие ноотропных средств, как известно, улучшает интегративную деятельность и биоэлектрическую активность мозга, что проявляется характерными изменениями электрофизиологических паттернов (облегчение прохождения информации между полушариями, увеличение уровня бодрствования, усиление абсолютной и относительной мощности спектра ЭЭГ коры и гиппокампа, увеличение доминирующего пика). Декларируемое повышение кортико-субкортикального контроля, улучшение информационного обмена в мозге, позитивное воздействие на формирование и воспроизведение памятного следа позволяют фармкомпаниям утверждать, что эти «лекарства» приводят к улучшению памяти, восприятия, внимания, мышления, повышению способности к обучению, активации интеллектуальных функций. Заявляемая, но не подтверждённая способность улучшать познавательные (когнитивные) функции дала основание нарекать препараты ноотропного ряда «стимуляторами познания» [3].

В спектре клинической активности ноотропов (нейрометаболических стимуляторов) выделяют следующие основные эффекты:

Ноотропное действие (влияние на нарушенные высшие корковые функции, уровень суждений и критических возможностей, улучшение кортикального контроля субкортикальной активности, мышления, внимания, речи). . Мнемотропное действие (влияние на обучаемость и память). . Повышение уровня ясности сознания, бодрствования (влияние на состояние угнетённого и помрачённого сознания). . Адаптогенное действие (влияние на толерантность к различным экзогенным факторам, в том числе медикаментам, повышение общей устойчивости организма к действию экстремальных факторов). . Антиастеническое действие (влияние на слабость, вялость, истощаемость, явления психической и физической астении). . Психостимулирующее действие (влияние на апатию, гипобулию, аспонтанность, бедность побуждений, психическую инертность, психомоторную заторможенность).

Создание консенсус - моделей QSAR прогнозирования параметров Ki; 1С5о, ЕС5о, для агонистов и частичных антоагонистов никотинового ацетилхолинового рецептора (а4р2)

Типы классификации дескрипторов в современной хемоинформатике [6]. Детальное описание большинства используемых отечественными и зарубежными исследователями типов дескрипторов представлено в работах [38]. Каждая из этих типов классификаций позволяет с разных сторон характеризовать одну и ту же независимую переменную, участвующую в построении регрессионного уравнения. В качестве дескрипторов при построении регрессионных уравнений могут быть выбраны любые вычисляемые и экспериментально измеряемые характеристики молекул [38], отвечающие следующим требованиям: 1) «инвариантность к перенумерации атомов и связей», а также «к вращательным и поступательным движениям молекулы как целого»; 2) «однозначность вычислений», «разброс значений дескриптора не должен быть слишком велик»; 3) дескриптор не должен быть комплексным числом (не является строгим требованием); 4) поддаваться структурно-химической или физической интерпретации; 5) применимость дескрипторов не должна ограничиваться малым набором соединений [38-40]. В частности, на применении экспериментальных дескрипторов основаны классические подходы моделирования QSAR, такие как подходы Гаммета и Ганча-Фуджиты. Другими экспериментально измеряемыми величинами, на основании которых могут быть построены регрессионные уравнения, являются значение коэффициента липофильности органических соединений logP, разнообразные характеристики растворителей, константы Абрахама, величины химсдвигов в ЯМР-спектрах и т.д. В настоящее время эти параметры не утратили своей актуальности и довольно широко применяются в построении регрессионных зависимостей при обработке результатов химических и биологических экспериментов. Однако в современной методологии QSAR наблюдается новая тенденция. Она заключается в использовании при построении моделей QSAR вычисляемых значений этих ранее экспериментально измеряемых и табулированных в справочниках дескрипторов. Расчет численных значений таких дескрипторов происходит на основе готовых моделей QSAR/QSPR, встроенных в большинство современных программ, предназначенных для построения регрессионных зависимостей: ACD Labs [41], MOE [42], CODESSA PRO [43] и т.д. Среди наиболее часто используемых экспериментальных величин, поддающихся моделированию и достаточно точному воспроизведению с помощью расчетных методов, являются значение липофильности органических соединений logP, величины химсдвигов с пектрах ЯМР, мольная рефракция и поляризуемость молекул.

Для предсказания активности в QSAR обычно используют следующие дескрипторы: фрагментные дeскрипторы (бинaрные и целочисленные) [44 46], топологические дeскрипторы (топологические индексы) [47], физико химические дeскрипторы (наиболее часто из них используются (LogP), мoлярная рефракция (MR), мoлекулярный вес (MW), дeскрипторы водородной связи, молекулярные объёмы и площади поверхностей) [47,48], квантово-химические дeскрипторы (энергии граничных молекулярных орбиталей, частичные заряды на атомах и частичные порядки связей, индексы реакционной способности Фукуи (индекс свободной валентности, нуклеофильная и электрофильная суперделокализуемость), энергии катионной, анионной и радикальной локализации, дипольный и высшие мультипольные моменты распределения электростатического потенциала) [49], дeскрипторы молекулярных полей [50], константы заместителей Гаммета и Тафта [51], фармакoфорные дескрипторы [52], а также дeскрипторы молекулярного пoдобия [53]. Детальное их описание приведено в литературе [49-53].

По данным на 2016 год насчитывается свыше 20 коммерческих и свободно распространяемых программ и ресурсов для расчета топологических, конституционных, геометрических, квантово-химических, физико-химических, фрагментарных дескрипторов и дескрипторов поверхности, включая ADAPT [54], ADMEWORKS [55], ADRIANA. Code [56], BlueDesc [57], CDK Desc GUI [58], ChemAxon JChem [59], CODESSA PRP [60], DRAGON 6 [61], E-Dragon [62], GRID [63], VolSurf [64], VolSurf+ [64], Almond [65], Pentacle [66], ISIDA Fragmenter [65], ISIDA QSPR [67], MODEL [65], MOE [65], MOLCONN-Z [68], Mold2 [65], MOLGEN-QSPR [65], Open3DQSAR [65], PaDEL [65], PCLIENT [65], PowerMN [65], PreADMET 65[], Sarchitect [65], GUSAR (версии 2011, 2013) [69].

Большинство из них находят широкое применение для моделирования взаимосвязи «структура-свойство» и «структура-активность». Выбор той или иной программы для расчетов определяется зачастую спецификой моделируемого свойства, а также финансовыми возможностями исследователей.

Вычисляемые и экспериментально измеряемые дескрипторы являются основой для построения моделей QSAR/QSPR. К настоящему времени известно порядка 50 коммерческих и некоммерческих отечественных и зарубежных программ для моделирования количественной взаимосвязи «структура-свойство» и «структура-активность». Большинство из них содержит приложения со множеством модулей, позволяющих использовать для построения регрессионных зависимостей разные популярные методы машинного обучения, включая множественную линейную регрессию (MLR), метод частичных наименьших квадратов (PLS), метод ближайших соседей (k-NN), нейросетевое моделирование (ANN), метод опорных векторов (SVM) [70]. Анализ литературных данных показал, что наиболее активно используются зарубежными исследователями такие программы моделирования QSAR, как пакет Sybyl и MOE [71]. Среди отечественных разработок наибольшую популярность получили программы GUSAR (версии 2011, 2013), ISIDA/QSPR [67], MFTA [65].

К настоящему времени известно несколько типов классификации QSAR-методов, используемых для моделирования количественной взаимосвязи между структурой и активностью соединений. В зависимости от размерности представления молекул на 0D – 6D- QSAR. Основные различия этих методов друг от друга представлены в (табл. 1.2). В зависимости от общего вида математического уравнения, описывающего связь между набором дескрипторов и целевым свойством, QSAR-методы подразделяют на линейные и нелинейные, (табл. 1.3). [38, 72-77, 50, 78-89]. В зависимости от учета межмолекулярных взаимодействий молекулы лиганда с активным центром фермента (в случае моделирования биологической активности) QSAR-методы классифицируют на зависимые (RD-QSAR в английской аббревиатуре) и независимые от сайта связывания (RI-QSAR в английской аббревиатуре) и т.д, (табл. 1.3). Детальное рассмотрение этих классификаций описано в работах [38, 72-77, 50, 78-89].

Оценка вклада атомов в целевую активность

Создание моделей-QSAR на основе MNA-дескрипторов позволяет получить консенсус модели М2, М5, М8, М11, М14, М17, М20, М23, М26, М29, М32 с высокими значениями R2 и Q2, а также высокой предсказательной способностью на соединениях тестовых выборок (ТВ).

Консенсус модели М1, М4, М7, М10, М13, М16, М19, М22, М25, М28, М31, построенные на основе QNA-дескрипторов, также характеризуются высокими значениями R2 и Q2. Однако их прогностическая способность на соединениях тестовых выборок ТВ1-ТВ3, содержащих соединения, схожие по структуре с соединениями обучающих выборок ОВ2, ОВ3, характеризуется меньшей точностью по сравнению с результатами, которые получены при сочетании двух типов дескрипторов в консенсус подходе.

Как видно из данных (табл. 3.1-3.2), применение консенсусного подхода к построению регрессионных уравнений, основанного на сочетании MNA- и QNA-дескрипторов, позволило получить модели М3, М6, М9, М12, М15, М18, М21, М24, М27, М30, М33, характеризующиеся высокими статистическими показателями и высокой точностью прогноза IC50 для структур ТВ. В пользу данного заключения свидетельствуют результаты, предсказанные консенсус моделью, в сравнении с экспериментальными величинами, которые приведены в (табл. 3.1-3.2). Результаты предсказания находятся в хорошем соответствии с литературными данными. Известно, что использование консенсус модели, которая усредняет результаты предсказания отдельных моделей, позволяет снизить вариабельность результатов предсказания отдельных моделей и таким образом получить более точный результат. Кроме того, применение консенсусного подхода к генерации моделей позволяет получать более объективную информацию о влиянии различных атомов в исследуемый тип активности. В дальнейшем с помощью программы GUSAR 2013 проанализировано влияние природы атомов и содержащих их функциональных групп в соединениях выборок ОВ3 и ОВ8 на эффективность их взаимодействия с нАХР и АХЭ. Структурный анализ выполнен по моделям QSAR М9 и М24, содержащим 45 агонистов нАХР и 36 ингибиторов АХЭ соответственно. По модели М24, содержащей 36 ингибиторов АХЭ, в приложении 1 показаны вклады атомов в прогнозируемую величину активности, где зеленым цветом выделены атомы, нейтральные к активности ингибиторов АХЭ (т.е. являются остовом структуры), красным цветом отмечены атомы, повышающие активность ингибиторов АХЭ, синим - отмечены атомы, снижающие активность. Можно предположить, что природа данного явления объясняется разным механизмом взаимодействия исследуемых соединений с активным центром АХЭ. К подобному выводу пришли и авторы работы [126], на основании экспериментальных данных которой было выполнено данное теоретическое исследование.

Установлено, что замена монозамещенного пирролидинового цикла, связанного с 2,4-дизамещенным пирилидиновым кольцом в положении 3, на 4-замещенный морфолиновый, тиоморфолиновый, 1,4-дизамещенный пиперидин и 1,4-дизамещенный пиперидин в структурах с общими формулами II, III (рис. 3.1) приводит к понижению ингибирующей активности в отношении АХЭ.

Введение ароматических и ациклических липофильных фрагментов в положении R1 1,4-дизамещенного пиперидинового цикла приводит к понижению ингибирующей активности для структур с общей формулой I (рис. 3.1) (7d, 7h, 7i, 7k). К противоположному эффекту приводит замена липофильных неполярных t-Bu- фрагментов на полярные ацетильные и ацетатные группы в структурах с общей формулой I рис. (3.1). В соединениях с общей формулой II (рис. 3.1) этот эффект выражен существенно меньше. Сравнение ингибирующей активности соединений 7а, 8а и 9а в отношении АХЭ позволяет заключить, что замена бензильного фрагмента на нафталинильный приводит к повышению ингибирующего действия этих структур. При этом в соединении 9а замена того же ароматического цикла на фенилэтинильный приводит к снижению ингибирующих свойств в отношении моделируемого фермента. Аналогичный эффект наблюдается при замене метиленового линкера на диметиленовый в структурах, содержащих в положении R2 4-ацетилзамещенный пиперидин (7f, 8f).

Для структур, содержащих в положении R2 4-метилзамещенный пиперазиновый цикл (7d, 8d, 9d), наблюдается повышение ингибирующих свойств при замене бензильного фрагмента на фенилэтинильный и нафталиновые циклы.

В том случае, если структуры содержат в положении R2 4-монозамещенный морфолиновый фрагмент, замена бензильного фрагмента в I на нафтинильный не влияет на эффективность их ингибирующего действия, в то время как добавление дополнительной метиленовой группы в линкерный фрагмент способствует снижению ингибирующей активности в отношении АХЭ. Донепезил Бис(7)-такрин 1С50=0.032 мкМ 1С50=0.004 мкМ Таким образом, на эффективность ингибирования ацетилхолинэстеразы существенно влияет стерический фактор. Соединения с линейно конденсированными гетероароматическими циклами проявляют наибольшую ингибирующую активность в отношении АХЭ по сравнению с соединениями, которые содержат несколько моноциклических фрагментов.

Стерическая комплементарность производных N-арилалкилцитизина с активным центром никотинового ацетилхолинового рецептора человека

Преобладающее большинство производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина], в активных центрах ЦОГ-1 и ЦОГ-2 позиционируется в первом кластере. Циклические фрагменты этих соединений накладываются на остовы ДВ НПВП «Диклофенак» и «Фрурбипрофен», (рис.3.9).

В частности, 17 производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина], за исключением структур с кодами А-51, А-134, U-10, U-22, координируются в первом кластере в активном центре ЦОГ-2, (рис.3.9). Циклические фрагменты этих соединений накладываются на остовы ДВ НПВП «Диклофенак» и «Фрурбипрофен». Они стабилизируются в циклооксигеназном пуле ЦОГ-2 за счет водородных связей с ARG 120, MET 522, TYR 385, SER 530, а также Т-стэкинговых взаимодействий с TYR 355, TRP 387.

Достаточно объемные структуры A-51, A-134, U-10, U-22, которые вошли во второй кластер, позиционируются в той же области, что и соединение-лидер SC-558, (рис.3.9). Стабилизации этих соединений в активном центре ЦОГ-2 способствуют водородные связи с аминокислотными остатками TYR 355, TYR 385, ILE517 и Т-стэкинговые взаимодействия их циклических фрагментов с TYR 355, TRP 387, HIS 90.

В активном центре ЦОГ-1 первый кластер докинг-решений образуют 19 производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина], за исключением соединений с кодами А-85, U-10, (рис.3.8). Они стабилизируются в циклооксигеназном пуле ЦОГ-1 благодаря водородным связям с VAL 349, ARG 120, TYR 355, МЕТ 522 и Т-стэкинговым взаимодействиям с TYR 385, TRP 387, РНЕ 518. Оставшиеся две структуры, А-85, U-10, своими остовами накладываются на остов ДВ «Целекоксиб». Они образют водородные связи и Т-стекинг взаимодействия с остатками: ARG 120, TYR 355.

Сравнение свободных энергий связывания производных метанпиридо[1,2-А][1,5] диазоцина [(-)-цитизина] с активными центрами изоформ ЦОГ позволяет заключить, что 60 % протестированных соединений, включая структуры с кодами А-36, А-51, А-62, А-63, А-82, А-107, А-215, AllylCyt, U-l, U-12, U-22, будут преимущественно ингибировать каталитическую активность ЦОГ-1. Следует ожидать, что в условиях in vivo эти соединения могут проявить выраженное гастротоксическое действие.

Биологические испытания проводились в лаборатории Уфимского Института химии РАН с целью оценки соответствия свойств предложенных структур прогнозируемой ноотропной активности. Терапевтическую эффективность предсказанных структур оценивали на примере величины мнестического эффекта у подопытных животных. Были проведены исследования на проявление ноотропной активности 19 производных (-)-цитизина I (табл. 3.3) [137]. Опыты проведены на 168 крысах линии Вистар массой 170-200 г и 140 беспородных мышах массой 18-20 г.

Исследуемые вещества: производные (-)-цитизина в дозе 50 мкмоль/кг и препаратом сравнения являлся пирацетам (Piracetamum) в дозе 400 мг/кг вводили перорально за 1 час до начала эксперимента.

Влияние производных на обучаемость изучали на модели условного рефлекса пассивного избегания (УРПИ) у крыс с применением системы пассивного избегания LE 870 (Panlab). Метод состоял из двух этапов: обучение навыку и воспроизведение его сохранности. В первый день эксперимента отмечались следующие показатели: количество заходов в темный отсек и латентный период первого захода. Воспроизведение навыка УРПИ осуществляли через 24 часа после обучения: регистрировали латентный период первого захода, количество заходов в темный отсек, а также общее время нахождения в темном отсеке. Мнестическую активность вычисляли по формуле: Мt = [(tk - U) / t] 100% , где Мt - мнестическая активность (%), tk - среднее время пребывания в темном отсеке животных контрольной группы, tоп - среднее время пребывания в темном отсеке животных опытной группы. Противогипоксические свойства были изучены на модели нормобарической гипоксии с гиперкапнией на мышах. Животных одинакового веса помещали по одному в герметически закрываемые банки объемом 250 см3. Регистрировали время выживания (резервное время) животных в условиях гипоксии и высчитывали процент увеличения резервного времени относительно контроля.

На второй день эксперимента при воспроизведении навыка УРПИ все соединения при однократном введении уменьшали время нахождения животных в темном отсеке по сравнению с контролем (табл.3.15). Среди синтезированных производных (-)-цитизина наибольшую активность проявляли соединения, замещенные по 12 атому азота. Так, соединения А-62 и U-1 превосходили контроль по мнестическому эффекту более чем на 90%. В группах соединений А-63, U-10, А-107 и А-134 мнестический эффект составил более 70% и был равен этому показателю у группы пирацетама.