一種GPR120激動劑的快速篩選方法技術

本發明專利技術公開了一種GPR120激動劑的快速篩選方法，運用計算機輔助藥物設計，對已經進行構象搜索的化合物，使用Discovery?Studio?2.5的hypogen進行3D-QSAR的藥效團模型構型，同時使用Fischer?90％驗證，得到實際活性與計算活性的線性回歸。根據GPR120激動劑的構效關系和內源性配體脂肪酸的結構關系得出：羧基為GPR120激動劑必須基團，手動篩選出含有羧基的候選化合物。再以細胞平臺的高通量篩選驗證，從而獲得GPR120激動劑的候選分子。通過藥物的虛擬篩選，在短時間內獲得活性化合物的線索，將研究目標從幾百萬個化合物集中到幾十個化合物。然后再從篩選后的化合物中，利用細胞平臺篩選出先導化合物，提高了篩選化合物的速度和效率，縮短新藥研究的周期。

【技術實現步驟摘要】

本專利技術涉及藥物篩選方法，具體涉及一種GPR120激動劑的快速篩選方法。
技術介紹
GPR120是最近被發現的G蛋白偶聯受體，屬于GPCRs超家族中的視紫紅質樣受體家族。GPR120在多種組織中均有表達，結腸中有更高的表達水平。而且，GPR120在不同種屬動物的味蕾細胞、腸內分泌L細胞、脂肪細胞、巨噬細胞等細胞中均有表達(Hirasawa?et?al.2005)，GPR120可能與肥胖、Ⅱ型糖尿病有關。糖尿病作為以高血糖為特征的代謝性疾病已經成為了影響全球人健康的難題。GLP-1是一種腸道分泌的荷爾蒙，它可促進血糖依賴胰島素的分泌，同時脂肪酸作為能量來源為分泌腸多肽提供重要的條件。已有報道稱在小腸中表達很高的GPR120是長鏈不飽和脂肪酸受體，而且有實驗結果證明長鏈不飽和脂肪酸刺激GPR120會增加GLP-1的分泌，促進胰島素的循環(Hirasawa?et?al.2005)。因此GPR120對于治療糖尿病和其他飲食失調疾病(例如貪食癥)來說是一個非常有前景的受體。GPR120又被稱為ω-3(比如DHA和EPA)脂肪酸受體(Oh?et?al.2010)。已有報道ω-3脂肪酸和小分子激動劑刺激GPR120會產生廣泛的抗炎作用，抗炎作用的原理見圖1，而且巨噬細胞調節的組織抗炎作用可以改善因糖尿病產生的胰島素抗性。這個實驗結果說明了GPR120是將抗炎和胰島素敏化反應聯系起來的紐帶。因此對于治療胰島素抗性，GPR120作為一個新靶點是非常有前景的。GPR120信號傳導在人類結腸癌中也起到了重要作用(Wu?et?al.2013)。在結腸癌的組織和細胞株中，GPR120的表達顯著升高。激活GPR120的PI3K/Akt–NF-kB信號通路會促進結腸癌細胞中促血管生成因子的分泌和表達，加快結腸癌細胞中的血管生成，為癌細胞繁殖提供營養支持。而且，激動GPR120促進腫瘤細胞遷移和腫瘤細胞間質傳導。因此，GPR120可以作為治療結腸癌的全新靶點。直到2005年，Hirasawa等人找到了GPR120的內源性配體(Hirasawa?et?al.2005)，GPR120一直被認為是孤兒受體。他們從1000多種化合物中，用定量流式細胞技術在穩定表達GPR120-EGFP的HEK293細胞中檢測內吞的熒光標記受體數量，篩選出GPR120的配體是C14-C18鏈長的飽和脂肪酸和C16-C22鏈長的不飽和脂肪酸。此后，非內源性的小分子激動劑也被發現，GW9508、NCG21、TUG-891(Sun?et?al.2010,Hudson?et?al.2013,Shimpukade?et?al.2012)在活化GPR120的效力與內源性長鏈脂肪酸類似，都可以有效地活化細胞內ERK、細胞內Ca2+釋放反應和GLP-1的分泌。
技術實現思路
本專利技術的目的在于建立一種GPR120激動劑的快速篩選方法，該方法從已知的GPR120激動劑出發，建立一套高效可靠的篩選方法，將有助于尋找新型的小分子激動劑，有效提高篩選的速度，降低篩選成本。本專利技術首先運用計算機輔助藥物設計技術，參考前期工作和相關文獻，對已經進行構象搜索的化合物，使用Discovery?Studio?2.5的hypogen進行3D-QSAR的藥效團模型構型，同時使用Fischer?90％驗證，得到實際活性與計算活性的線性回歸。根據報道的GPR120激動劑的構效關系和內源性配體脂肪酸的結構關系得出：羧基為GPR120激動劑必須基團，故手動篩選出含有羧基的候選化合物。再以細胞平臺的高通量篩選進行進一步驗證，從而獲得GPR120激動劑的候選分子。為了實現上述目的，本專利技術采用如下技術方案：一種GPR120激動劑的快速篩選方法，包括以下步驟：(1)挑選出pEC50值大于4的20-50個GPR120激動劑作為候選化合物；(2)步驟(1)中的化合物使用Discovery?Studio?2.5的hypogen模塊構建了藥效團模型：使用Caesar方法進行構象搜索(采用默認設置)；然后對不同構象產生藥效團模型進行疊合，共得到5-15個藥效團模型；在report界面得到候選化合物的實際活性和計算活性的線性回歸，我們確定回歸系數R2值最高的模型作為最優藥效團模型；(3)采用步驟(2)中藥效團模型對SPECS數據庫(荷蘭SPECS公司成立于1987年是一個中等規模的化合物庫)進行虛擬篩選，得到打分值從高到低的前500-1000個化合物，并按打分值由高到低排列為表單；(4)根據篩選打分值和成藥性五倍律原則，手動按順序選取步驟(3)帶有羧基的50-100個化合物；(5)對步驟(4)篩選的化合物進行活性初篩，濃度為10μM刺激STC-1細胞后，篩選出比陽性對照藥GW9508引起更高或相近的ERK磷酸化程度的化合物進行下一步EC50的測定；(6)pEC50值大于陽性對照藥GW9508的化合物作為GPR120激動劑。本專利技術的有益效果是：本專利技術通過藥物的虛擬篩選，可以在短時間內獲得活性化合物的線索，將研究目標從幾百萬個化合物集中到幾十個化合物。然后再從虛擬篩選后的化合物中，利用細胞平臺篩選出先導化合物，因此大大提高了篩選化合物的速度和效率，縮短新藥研究的周期。附圖說明圖1ω-3脂肪酸與GPR120作用產生抗炎作用的原理；圖2構建好的GPR120藥效團模型示意圖，其中1為氫鍵受體、2是芳香中心，3是疏水中心；圖3用作構建藥效團的化合物結構式示意圖；圖4已挑選的化合物(表1)實際活性與計算活性的線性回歸。具體實施方式下面結合附圖與實施例對本專利技術作進一步說明。一種GPR120激動劑的快速篩選方法，步驟如下：(1)參考前期工作和相關文獻，從已經報道的GPR120激動劑中挑選pEC50值大于4的27個(Shimpukade?et?al.,2012)化合物作為3D-QSAR的藥效團模型構型候選化合物(表1)，用作構建藥效團的化合物結構式示意圖如圖3。(2)使用Discovery?Studio?2.5的Caesar方法(J.Chem.Inf.Model.47，1923-32(2007))對27個候選化合物按照默認設置進行構象搜索，之后使用hypogen對不同構象產生藥效團模型進行疊合，共得到10個藥效團模型，并且在report界面得到候選化合物的實際活性和計算活性的線性回歸，確定回歸系數R2值最高的模型作為最優藥效團模型(圖2)，R2為0.888(圖4)。(3)采用步驟(2)中藥效團模型對SPECS數據庫本文檔來自技高網...

【技術保護點】
一種GPR120激動劑的快速篩選方法，其特征在于，包括以下步驟：(1)挑選出pEC50值大于4的20?50個GPR120激動劑作為候選化合物；(2)步驟(1)中的化合物使用Discovery?Studio2.5的hypogen模塊構建藥效團模型，使用Caesar方法進行構象搜索，然后對不同構象產生藥效團模型進行疊合，得到5?15個藥效團模型，在report界面得到候選化合物的實際活性和計算活性的線性回歸，確定回歸系數R2值最高的模型作為最優藥效團模型；(3)采用步驟(2)中最優藥效團模型對SPECS數據庫進行虛擬篩選，得到打分值從高到低排列的前500?1000個化合物，并按打分值由高到低排列為表單；(4)根據篩選打分值和成藥性五倍律原則，手動按順序選取帶有羧基的50?100個化合物；(5)對步驟(4)篩選的化合物進行活性初篩，濃度為10μM刺激STC?1細胞后，篩選出比陽性對照藥GW9508引起更高或相近的ERK磷酸化程度的化合物進行下一步pEC50的測定；(6)pEC50值大于陽性對照藥GW9508的化合物作為GPR120激動劑。

【技術特征摘要】
1.一種GPR120激動劑的快速篩選方法，其特征在于，包括以下步驟：
(1)挑選出pEC50值大于4的20-50個GPR120激動劑作為候選化合物；
(2)步驟(1)中的化合物使用Discovery?Studio2.5的hypogen模塊構建藥效團模型，
使用Caesar方法進行構象搜索，然后對不同構象產生藥效團模型進行疊合，得到5-15個藥效
團模型，在report界面得到候選化合物的實際活性和計算活性的線性回歸，確定回歸系數R2值最高的模型作為最優藥效團模型；
(3)采用步驟(2)中最優藥效團模型對SPECS數據庫進行虛擬篩選，得到打分值從高
到低排列的前500-1000個化合物，并按打分值由高到低排列為表單；
(4)根據篩選打分值和成藥性五倍律原則，手動按順序選取帶有羧基的50-100個化合
物；
(5)對步驟(4)篩選的化...

【專利技術屬性】
技術研發人員：杜呂佩，李敏勇，孫金鵬，李昂，
申請(專利權)人：山東大學，
類型：發明
國別省市：山東;37