Hsp90N抑制剂的虚拟筛选

秦魏 王蓉 李畅

摘要：目的  采用虛拟筛选获得与靶标Hsp90N结合力较好的目标化合物，为抗肿瘤新药研发提供潜在先导化合物。方法  采用SYBYL软件对自主构建的化合物库进行虚拟筛选，获得目标化合物，采用精细对接，分析复合物模拟三维结构与分子互作机制。结果  通过虚拟筛选，成功获得21个目标化合物（Total score>6，Cscore≥4），其中Total score>8且Cscore≥4者18个，分别属于冬凌草甲素类、小檗碱类、巴马汀类、异长春花苷类、白桦酸类、香蕉皮类、榄香烯类、人参皂苷类和其他类化合物。综合考量Total score、Cscore打分值与结构多样性，选取5个最优化合物为代表，构建化合物与Hsp90N复合物模拟三维结构，分别为1号化合物2D_PeiLL（Total score=12.98，Cscore=4）、2号化合物XBJ_4463（Total score=12.78，Cscore=4）、4号化合物V12_ZhangYC（Total score=11.89，Cscore=4）、5号化合物1002483_WangTY（Total score=11.86，Cscore=4）和7号化合物S-9_LiZ（Total score=10.80，Cscore=5）。结论  成功获得21个目标化合物，并阐明了5个最优代表的复合物模拟三维结构与分子互作机制，为靶向Hsp90N的新型抗癌药物研发提供潜在先导化合物。

关键词：Hsp90N;先导化合物;抗肿瘤;虚拟筛选;复合物模拟三维结构;分子互作机制

中图分类号：R979.5                                 文献标识码：A                                 DOI：10.3969/j.issn.1006-1959.2020.19.022

文章编号：1006-1959（2020）19-0078-04

Abstract：Objective  To use virtual screening to obtain target compounds with good binding ability to the target Hsp90N， and to provide potential lead compounds for the development of new anti-tumor drugs.Methods  The SYBYL software was used to screen the self-constructed compound library to obtain the target compound， and the complex was analyzed by molecular docking to simulate the three-dimensional structure and molecular interaction mechanism.Results  Through virtual screening， 21 target compounds were successfully obtained （Total score>6， Cscore≥4）， of which 18 were with Total score>8 and Cscore≥4， belonging to oridonin， berberine， and palmatine， vinca glycosides， betulinic acids， banana peels， elemenes， ginsenosides and other compounds. Considering the Total score， Cscore and structure diversity， the five best compounds are selected as representatives， and the compound and Hsp90N complex are constructed to simulate the three-dimensional structure. They are compound No. 1 2D_PeiLL （Total score=12.98， Cscore=4）， No.2 compound XBJ_4463 （Total score=12.78， Cscore=4）， No. 4 compound V12_ZhangYC （Total score=11.89， Cscore=4）， No. 5 compound 1002483_WangTY （Total score=11.86， Cscore=4） and No. 7 compound S-9_LiZ （Total score=10.80， Cscore=5）. Conclusion Successfully obtained 21 target compounds， and constructed 5 optimal representative complexes to simulate the three-dimensional structure and molecular interaction mechanism， providing potential lead compounds for the development of new anticancer drugs targeting Hsp90N.

Key words：Hsp90N;Lead compound;Anti-tumor;Virtual screening;Simulated complex three-dimensional structure;Molecular interaction mechanism

恶性肿瘤是全球人类的第2大死因，严重威胁人类的生命与健康，据统计[1]，2018年全球新增癌症病例1810万例，新增死亡病例960万例。化疗药物是肿瘤目前主要的治疗手段，靶向药物治疗取得了令人瞩目的成就。热休克蛋白90（heat shock protein 90，Hsp90）作为分子伴侣，通常以α-α或β-β同源二聚体形式存在于细胞质中，每个单体包括3个结构域，即Hsp90N、Hsp90M与Hsp90C[2]。Hsp90C负责形成同源二聚体，Hsp90M负责结合客户蛋白，Hsp90N有一个ATP结合口袋，负责结合ATP并催化ATP水解，为客户蛋白折叠提供能量，也是抗肿瘤药物设计的重要靶点[3-5]。Hsp90抑制剂相应分为Hsp90N抑制剂、Hsp90M抑制剂与Hsp90C抑制剂[6，7]。Hsp90通过协助300多种客户蛋白正确折叠与构象成熟参与细胞的生长、增殖与凋亡，其中48种客户蛋白在肿瘤发生与发展中发挥关键作用，Hsp90抑制剂则通过抑制其分子伴侣功能，导致多种重要客户蛋白不能正确折叠与构象成熟，而被蛋白酶体捕获降解，致使肿瘤细胞多条信号通路同时受阻，从而抑制或杀死肿瘤细胞[8-10]。因此，Hsp90一直作为经典抗肿瘤药物设计靶标而备受关注。目前，已有多个Hsp90抑制剂处于临床或临床前研究阶段，展示出良好抗肿瘤活性，同时也表现出心毒性、肝毒性、水溶性差等问题[11]。因此，研发新型Hsp90抑制剂十分必要。随着计算机技术的飞速发展，计算机辅助药物设计与虚拟筛选应运而生，展示出强大的生命力。与传统药物研发技术相比，计算机辅助药物设计与虚拟筛选技术具有高效率、高通量、低成本的优势[12-15]。本研究采用SYBYL-X 2.0软件，通过对自主构建的化药与中药单体库进行虚拟筛选，获得与Hsp90N结合力良好的目标化合物，为靶向Hsp90N的抗肿瘤药物研发提供潜在的先导化合物，现报道如下。

1材料与方法

1.1化合物库构建优化  共构建12个小分子化合物库：白桦酸类，巴马汀类，冬凌草甲素类，间苯三酚类，榄香烯类，人参皂苷类，吴茱萸碱类，香蕉皮类，小檗碱类，异长春花苷类，鱼藤素类与其他小分子类。随后，将各类化合物库依次导入SYBYL-X 2.0软件，每个化合物库进行至少10000轮几何优化和立场优化。

1.2靶标蛋白Hsp90N优化  以Hsp90N-FS23复合物晶体结构为研究模板（PDB ID，5CF0），对靶标Hsp90N进行加氢和加电荷优化后，提取Hsp90N的ATP结合口袋，作为虚拟筛选位点。

1.3虚拟筛选  以提取的Hsp90N ATP结合口袋为靶点，采用SYBYL软件的Surflex-Dock模块，对已优化化合物库进行分子对接筛选。基于Total score和Cscore打分值筛选目标化合物，其中Total score为配体与靶标Hsp90N间结合解离常数（Kd）的负对数，体现配体与靶标Hsp90N的亲和力，其值越大越好，一般选取6分以上者;Cscore为综合得分值，也是越大越好，一般选取4分以上者（满分5分）。Total score与Cscore得分值越高说明从理论计算角度，小分子化合物与靶标Hsp90N之间的分子结合力越强。

1.4精细对接  综合考虑打分值与结构多样性，选出5个最优化合物作为代表，采用SYBYL软件进行精细对接，分析其与Hsp90N的复合物模拟三维结构与分子互作。

2结果

2.1虚拟筛选结果  通过虚拟筛选，成功获得21个目标化合物（Total score>6，Cscore≥4），其中Total score>8且Cscore≥4者18个，分别属于冬凌草甲素类、小檗碱类、巴马汀类、异长春花苷类、白桦酸类、香蕉皮类、榄香烯类、人参皂苷类和其他类化合物，可为靶向Hsp90N的抗癌新药研发提供有价值的先导化合物，见表1。综合考量Total score、Cscore打分值与结构多样性，选取5个最优化合物为代表（图1），与靶标Hsp90N的活性口袋进行精细对接，采用SYBYL软件，构建5个代表化合物与Hsp90N的复合物模拟三维结构。

2.2复合物模拟三维结构与分子互作机制分析  采用SYBYL软件，依次对5个最优化合物与靶标Hsp90N进行精细对接分析，构建化合物与Hsp90N复合物模拟三维结构，配体与靶标间分子互作机制分别为：1号化合物2D_PeiLL（Total score=12.98，Cscore=4），来源于冬凌草甲素类化合物，结合在Hsp90N的ATP结合口袋中央，与活性口袋匹配良好，该化合物周围尚有较大空间，可用于后续的结构优化（图2A）;该小分子有较多氧原子，其中5个氧原子分别与Hsp90N第51位天冬酰胺、第58位赖氨酸、第102位天冬氨酸、第184位苏氨酸及第139位酪氨酸形成5个氢键相互作用，加强了该化合物与Hsp90N结合作用（图2F）。2号化合物XBJ_4463（Total score=12.78，Cscore=4），来源于小檗碱类化合物，化合物穿插于Hsp90N的ATP结合口袋之中，附近空间较大，可为后期结构优化奠定良好基础（图2B）;该化合物长碳链结构末端与Hsp90N第139位酪氨酸和第162位色氨酸形成2个氢键，其苯环周围的2个氧原子分别与Hsp90N第58位赖氨酸和第184位苏氨酸形成2个氢键作用，从而使化合物与靶标Hsp90N之间形成较强亲和力（图2G）。4号化合物V12_ZhangYC（Total score=11.89，Cscore=4），来源于其他小分子类的化合物，很好結合在Hsp90N的ATP结合口袋之中，二者匹配紧密，且口袋内化合物周围仍有较大空腔，可为其后续结构优化提供指导（图2C）;该化合物五元杂环上的1个氮原子分别与靶标Hsp90N第51位天冬酰胺和第138位苏丙氨酸形成2个氢键相互作用，同时该杂环上的1个氧原子分别与Hsp90N第137位甘氨酸与第138位苏丙氨酸形成2个氢键相互作用，加强了二者的结合力（图2H）。5号化合物1002483_WangTY（Total score=11.86，Cscore=4），来源于巴马汀类的化合物，其紧密结合在Hsp90NATP结合口袋之中，二者匹配良好;该化合物含2个刚性结构异喹啉环，具有稳定性，且其周围尚有较大空间，可为下一步的结构优化提供基础（图2D）;该化合物长碳链端的氮原子与异喹啉环周围的氧原子，分别与Hsp90N第108位甘氨酸、第58位赖氨酸形成2个氢键相互作用，促进了二者的结合（图2I）。7号化合物S-9_LiZ（Total score=10.80，Cscore=5），来源于异长春花苷类的化合物，与Hsp90NATP结合口袋结合紧密、匹配良好，在口袋中，该化合物周围还存在较大空间便于后续的结构优化（图2E）;该化合物的2个氧原子与Hsp90N第58位赖氨酸、第184位苏氨酸形成2个氢键相互作用，使二者紧密结合（图2J）。

3讨论

目前，靶向治疗是临床上应用于恶性肿瘤治疗的一种有效手段，而Hsp90能够在恶性肿瘤增殖过程中起到关键作用，是一个可用于治疗癌症的良好分子靶点。但是，现有Hsp90抑制剂存在诸多弊端或副作用，且未见任何Hsp90抑制剂的药物面市。因此，研发新型Hsp90抑制剂十分必要。

本研究通过虚拟筛选，成功获得21个目标化合物（Total score>6，Cscore≥4），其中Total score>8且Cscore≥4者18个，分别属于冬凌草甲素类、小檗碱类、巴马汀类、异长春花苷类、白桦酸类、香蕉皮类、榄香烯类、人参皂苷类和其他类化合物。综合考量Total score、Cscore打分值与结构多样性，选取5个最优化合物为代表，构建其与Hsp90N的复合物模拟三维结构，分析两者分子互作机制，为靶向Hsp90N的抗癌新药研发提供有价值的先导化合物。Hsp90作为分子伴侣，通过帮助多种客户蛋白正确折叠、再折叠、构象成熟，参与细胞的生长、增殖与凋亡[16，17]。Hsp90在正常细胞中主要处于静默态，而在肿瘤细胞中高表达，主要处于活化态。已报道的Hsp90的客户蛋白有300多种，其中48种与细胞生长或信号转导相关，包括跨膜酪氨酸激酶，亚稳信号蛋白，成熟信号蛋白，嵌合信号蛋白，甾体激素受体，细胞周期调节因子等，这些蛋白质在肿瘤细胞的生长与增殖中发挥重要，甚至决定性作用[7，18]。基于Hsp90在肿瘤发生发展中的重要作用，Hsp90的抑制剂发现是目前抗肿瘤药物研发的重要策略之一。Hsp90抑制剂可通过抑制Hsp90的分子伴侣功能，导致肿瘤细胞中的一些重要客户蛋白不能正确折叠或构象成熟而被蛋白酶体捕获降解，抑制或杀死肿瘤细胞。

随着计算机技术的飞速发展，计算机辅助药物设计与虚拟筛选技术，因其具有高效率、高通量、低成本的优势，已成为药物研发的核心技术。但是虚拟筛选基于理论计算，是从理论计算角度筛选与靶标Hsp90N结合力较强的目标化合物，筛选结果与软件、算法的选择关系密切，尚需各种体内外实验验证其筛选结果。相信随着计算机技术的日趋成熟，虚拟筛选将会在抗肿瘤药物研发中具有更广阔的应用前景。

参考文献：

[1]Bray F，Ferlay J，Soerjomataram I，et al.Global cancer statistics 2018： GLOBOCAN estimates of incidence and mortality worldwide for 36 cancers in 185 countries[J].CA Cancer J Clin，2018，68（6）：394-424.

[2]Oosten-Hawle PV，Bolon DNA，LaPointe P.The diverse roles of Hsp90 and where to find them[J].Nat Struct Mol Biol，2017，24（1）：1-4.

[3]Liu R，Lu XL，Huang XH，et al.Complex structure of human Hsp90N and a novel small inhibitor FS5[J].Nucl Sci Tech，2020，31（3）：103-113.

[4]孙建.热休克蛋白90（HSP90）抑制剂的设计、合成及生物活性筛选[D].成都中医药大学，2016.

[5]Xiao Y，Liu Y.Recent Advances in the Discovery of Novel HSP90 Inhibitors： An Update from 2014[J].Curr Drug Targets，2020，21（3）：302-317.

[6]Cao HL，Lyu KK，Liu B，et al.Discovery of a novel small inhibitor RJ19 targeting to human Hsp90N[J].Nucl Sci Tech，2017（28）：148.

[7]Wang MN，Shen AJ，Zhang C，et al.Development of heat shock protein （Hsp90） inhibitors to combat resistance to tyrosine kinase inhibitors through Hsp90-kinase interactions[J].J Med Chem，2016，59（12）：5563-5586.

[8]Wang T，Rodina A，Dunphy MP，et al.Chaperone heterogeneity and its implications for cancer study and treatment[J].J Biol Chem，2019，294（6）：2162-2179.

[9]刘海玲，李旦，孙帅.热休克蛋白与肺癌相关性的研究进展[J].中药新药与临床药理，2016，27（1）：151-155.

[10]Wang L，Li L，Zhou ZH，et al.Structure-based virtual screening and optimization of modulators targeting Hsp90-Cdc37 interaction[J].Eur J Med Chem，2017（136）：63-73.

[11]Jin L，Zhang R，Zhang Z，et al.Total synthesis based modification of Benzoquinone Ansamycin Antibiotics： C8 Diversification of C5-C15 Fragments[J].Tetrahedron Lett，2019，60（7）：547-551.

[12]Wang X，Song K，Li L，etal.Structure-based drug design strategies and challenges[J].Curr Top Med Chem，2018，18（12）：998-1006.

[13]Ferreira LG，Dos Santos RN，Oliva G，et al.Molecular docking and structure-based drug design strategies[J].Molecules，2015，20（7）：13384-13421.

[14]Majchera U，Urbaniakb A，Majc E，et al.Synthesis， antiproliferative activity and molecular docking of thiocolchicineurethanes[J].Bioorg Chem，2018（81）：553-566.

[15]劉玉甜，赵诗雨，吕邵娃.基于分子对接的计算机虚拟筛选技术在新药发现中的应用进展[J].化学工程师，2020，34（2）：59-63.

[16]Butler LM，Ferraldeschi R，Armstrong HK，etal.Maximizing the therapeutic potential of HSP90 inhibitors[J].Mol Cancer Res，2015，13（11）：1445-1451.

[17]Kozeko L.Heat shock proteins 90 kDa： diversity， structure， functions[J].Tsitologiia，2010，52（11）：893-910.

[18]Itoh H.Reaction mechanism of mammalian molecular chaperones[J].Seikagaku，2005（77）：1137-1151.

收稿日期：2020-08-20;修回日期：2020-08-30

编辑/杜帆