摘要：结构生物信息学是生物信息学中关注在原子和哑细胞空间尺寸上结构信息表述、存储、获取和浅析的一个分支。近年来,世界各国对结构生物信息学在药物研发中的运用越来越重视。因为结构生物信息学几乎可以运用到药物发现中的各个环节例如靶标评估、虚拟筛选和先导化合物优化等。本论文的绪论部分综述了结构生物信息学的探讨框架,给出了相关的实用数据库和工具,阐述了结构生物信息学策略在药物研发中的重要作用。我的探讨工作主要围绕利用结构生物信息学策略推动药物研发这一主题展开,进行了以下3个相对独立的探讨：1.GPCR药效团模型产生的新策略探讨G蛋白偶联受体(GPCR)具有保守的七次跨膜结构域,是药物治疗中最有前景的靶点蛋白。利用药效团技术可以加速基于GPCR的药物研发,但是现有药效团模型只适用于那些有晶体结构或配体信息的少数GPCR,仍有大部分GPCR缺乏对应的药效团模型以用来进行先导化合物的设计和发现。由此如何对这些GPCR产生药效团模型是这个领域的难点和热点。本探讨旨在解决上面陈述的难题,通过探讨现有策略的优缺点,在充分挖掘和利用所有GPCR结构数据的基础上,开发出一种全新的药效团产生策略Pharm-Map-Pick。我们的策略主要包括三步：第1步,构建一个关键氨基酸和药效团特点的关联数据库；第2步,根据确定的氨基酸位置,将药效团特点映射到每一个GPCR;第3步,优选药效团特点来构建最终的药效团模型。探讨结果表明该策略既不需要晶体结构也无需配体信息就可以对整个GPCR家族产生药效团模型。这些模型不仅能准确预测GPCR-配体的结合方式,而且具有很高的富集因子,可以直接用于虚拟筛选。我们还构建了世界上首个包含人体内所有GPCR的药效团数据库。这种策略以及产生的药效团模型将极大地推动GPCR的基础探讨和药物研发。2.基因组水平预测阿司匹林的作用靶点除了发挥抗炎,解热和镇痛等治疗作用,阿司匹林还用于预防心血管疾病以及各种类型的癌症。尽管很多文献已经表明阿司匹林确实可以预防心血管疾病和各种类型的癌症,但是阿司匹林众多疗效背后的分子机制现在还不是完全清楚。阿司匹林的多种疗效不能只归功于一种蛋白靶点,更有可能的是涉及到多个靶标和分子通路。由此,系统地识别阿司匹林的潜在分子靶标可以帮助我们理解阿司匹林的多种疗效和可能的副作用。在本探讨中,我们联合结构生物信息学和系统生物学的策略来预测和浅析阿司匹林在全基因组范围内的潜在靶标和分子通路。首先利用蛋白质局部结构检测和比对工具加上分子对接以及结合自由能的计算我们识别出了21个阿司匹林的潜在靶标。对这些靶标进行的进一步系统生物学浅析,我们发现了阿司匹林参与的一些分子通路例如血管内皮生长因子、促分裂原活化蛋白激酶、JNK/P38、Fc epsilon RI和花生四烯酸代谢等。基于这些发现,我们构建了阿司匹林的靶点-细胞效应相互作用网络。这个网络可以很好地解释阿司匹林具有的抗炎症以及预防心血管疾病和癌症等多种医学疗效。随着这部分论文的完成,我们已经建立了识别小分子药物作用靶标和分子通路的通用平台。可以用来寻找其他小分子的分子靶标。3.识别和比较人类PPI界面上的可药性结合口袋识别和比较在人类PPI界面上的可药性结合口袋,为发现潜在药物新靶标提供重要结构基础。PPIs是生物体内最复杂、最具多样性和最具调控重要量的一类相互作用。最近十年,PPIs已经成为新颖治疗中具有吸引力的分子靶标。本探讨我们识别出了1731个有着人类PPI复合物结合界面上的可药性结合位点。通过对所有人类PPI复合物结合界面的可药性结合口袋的系统识别以及相关特点探讨,产生了很多以前未知的有趣发现：1.在有结合界面的蛋白之中有接近一半的蛋白是具有可药性结合口袋;2.具有可药性结合口袋的蛋白的功能大都集中在各类疾病的分子通路上：3.较整个结合界面而言,可药性结合口袋的所有疏水性氨基酸的出现频率都增加了,疏水性的增加有利于小分子的结合；4.同聚体和异聚体蛋白相互作用的差别,同聚体相互作用的蛋白双方同时具有可药性结合口袋的比例远大于异聚体相互作用；5.构建了一个可药性结合口袋的相似性网络,可以用来指导我们设计多靶标药物。这些发现对于研发靶向相互作用的药物以及多靶标药物都有实际作用。关键词：结构生物信息学论文药物研发论文GPCR论文药效团模型论文阿司匹林靶标识别论文PPI论文Interface论文可药性论文结合口袋论文
摘要5-7
ABSTRACT7-13
第1章 绪论13-46
1.1 结构生物信息学13-33
1.1.1 利用结构数据进行计算的特殊挑战13-14
1.1.2 结构生物信息学的探讨内容14-26
1.1.3 结构生物信息学探讨的常用工具和数据库26-33
1.2 结构生物信息学和其他分支学科的有机融合——探讨实例33-40
1.3 药物研发概述40-42
1.4 结构生物信息学在药物研发中的作用42-44
1.5 本论文的主要探讨内容44-46
第2章 GPCR药效团模型产生的新策略探讨46-64
2.1 引言46-53
2.2 材料和策略53-57
2.2.1 确定GPCR跨膜区氨基酸的位置并对其编号命名55-56
2.2.2 对关键氨基酸与药效团特点进行关联,生成两者的关联库56
2.2.3 产生一个原始的药效团模型56
2.2.4 利用聚类算法(LFD)对原始的药效团模型进行优化56-57
2.2.5 利用两种不同策略对我们的策略进行验证57
2.3 结果57-62
2.3.1 利用药效团特点关联库理解GPCR-配体相互作用58-59
2.3.2 Pharm-Map-Pick产生的ADRB2药效团模型优于基于受体-配体复合物的模型59
2.3.3 策略验证结果Ⅰ：我们的药效团模型能够正确预测GPCR-配体的结合方式59-60
2.3.4 策略验证结果Ⅱ：我们的药效团模型在虚拟筛选中体现良好60-61
2.3.5 统计浅析本探讨中产生的所有药效团模型61-62
2.4 本章讨论和总结62-64
第3章 基因组水平预测阿司匹林的作用靶点64-77
3.1 引言64-66
3.2 材料和策略66-68
3.2.1 总述全基因范围内预测阿司匹林靶点的流程66-67
3.2.2 构建人类蛋白结构数据库67
3.2.3 检测和比较数据库中阿司匹林结合位点的相似性67
3.2.4 分子对接67-68
3.2.5 MM-PBSA自由能计算68
3.2.6 分子通路富集浅析和分子网络构建68
3.3 结果68-76
3.3.1 全基因组范围内阿司匹林靶点的识别68-72
3.3.2 阿司匹林潜在靶蛋白的结构多样性72-73
3.3.3 阿司匹林与潜在靶点结合方式的多样化73-74
3.3.4 阿司匹林与潜在靶点的结合自由能74
3.3.5 阿司匹林潜在靶蛋白的分子通路74-76
3.4 本章总结76-77
第4章 识别和比较人类PPI界面上的可药性口袋77-91
4.1 引言77-82
4.1.1 为什么要靶向PPI77-78
4.1.2 定义PPI界面78-79
4.1.3 PPI界面的特点79-80
4.1.4 PPI界面的可药性口袋80-81
4.1.5 探讨目的和内容81-82
4.2 材料和策略82-83
4.2.1 人类PPI结构数据的收集和处理82
4.2.2 人类PPI结合界面的识别82-83
4.2.3 可药性结合口袋的识别83
4.2.4 可药性结合口袋的两两相似性比较83
4.3 结果83-90
4.3.1 具有可药性结合口袋的蛋白比例83-84
4.3.2 具有可药性结合口袋的蛋白的功能浅析84-86
4.3.3 可药性结合口袋的体积和氨基酸组成特点86-87
4.3.4 同聚体和异聚体蛋白作用的差别87-88
4.3.5 发现多个潜在的新靶标88-89
4.3.6 可药性结合口袋的相似性网络89-90
4.4 本章总结90-91
第5章 论文总结91-93
本站原创