劉文強，黃露義，李國菠 (四川大學生物治療國家重點實驗室，成都 610041)

?

·化學·

采用藥效團模型和分子對接方法篩選新型的組蛋白甲基轉(zhuǎn)移酶G9a抑制劑

劉文強，黃露義，李國菠 (四川大學生物治療國家重點實驗室，成都 610041)

摘要：目的利用藥效團模型和分子對接方法對商業(yè)化合物庫ChemDiv 中的G9a focused-libraries進行篩選，希望發(fā)現(xiàn)新骨架結(jié)構(gòu)的G9a抑制劑。方法首先，使用Discovery studio 3.1軟件分別構(gòu)建基于配體的藥效團模型和基于配體-受體復合物的藥效團模型，并根據(jù)構(gòu)建的2個模型再重新定義2個新的藥效團模型。然后，構(gòu)建測試集并測試藥效團模型的預測能力。最后，選取最優(yōu)藥效團模型對G9a focused-libraries進行篩選，對篩選出的化合物使用CDOCKER分子對接進行分析與評價。結(jié)果測試結(jié)果顯示，所構(gòu)建的藥效團模型具有一定的預測能力，通過該藥效團篩選得到了2個結(jié)構(gòu)新穎的潛在的G9a抑制劑。結(jié)論所構(gòu)建的藥效團模型具有一定的可靠性，虛擬篩選發(fā)現(xiàn)的G9a抑制劑還需進一步的實驗證明。

關鍵詞：G9a；藥效團；分子對接；抑制劑

表觀遺傳(epigenetic)是指DNA序列不發(fā)生變化，但基因表達卻發(fā)生了可遺傳的改變。這種改變是細胞內(nèi)除了遺傳信息以外的其他可遺傳物質(zhì)發(fā)生的改變，且這種改變在發(fā)育和細胞增殖過程中能穩(wěn)定傳遞。表觀遺傳現(xiàn)象包括DNA甲基化、組蛋白修飾、核小體定位、RANA干擾等。

組蛋白甲基轉(zhuǎn)移酶G9a，又稱常染色質(zhì)賴氨酸甲基轉(zhuǎn)移酶2(EHMT2)，是常染色質(zhì)主要的甲基轉(zhuǎn)移酶之一。G9a主要通過甲基化組蛋白H3第9位賴氨酸(H3K9)調(diào)節(jié)基因轉(zhuǎn)錄，也可以甲基化一些非組蛋白，如抑癌因子P53[1]。G9a功能紊亂可導致胚胎發(fā)育異常、免疫系統(tǒng)及神經(jīng)系統(tǒng)發(fā)育障礙[2-5]。同時，G9a 也與腫瘤的發(fā)生、發(fā)展密切相關，它在白血病、前列腺癌、肝癌、肺癌等多種腫瘤中都有高表達[6-7]。因此，G9a被認為是治療這些疾病的重要潛在靶標，其抑制劑的研發(fā)已成為當前的研究熱點。

現(xiàn)有的G9a抑制劑分為兩類：SAM(S-腺苷甲硫氨酸)競爭性抑制劑和底物競爭性抑制劑。常見的SAM競爭性抑制劑包括BIX-01338、天然產(chǎn)物毛殼素、BRD4770[8]等，這些抑制劑能占據(jù) SAM 結(jié)合位點，阻止SAM與之結(jié)合，從而抑制G9a 活性。最早發(fā)現(xiàn)的底物競爭性抑制劑BIX01294(圖1)，也是第一個報道的組蛋白賴氨酸甲基轉(zhuǎn)移酶抑制劑，是由 Stefan K等篩選了約 125 000種化合物后發(fā)現(xiàn)的[9]。緊接著，一系列2，4-二氨基-7-氨烷氧基喹唑啉化合物由Liu F所在實驗室發(fā)現(xiàn)[10-14]。2014年1種新型結(jié)構(gòu)化合物A-366由Sweis R F等發(fā)現(xiàn)[15]。

目前，對G9a生物功能的研究尚不全面，G9a抑制劑作為重要的分子探針，在研究G9a的生物功能和相關的疾病治療方面具有十分重要的意義。現(xiàn)有的底物抑制劑結(jié)構(gòu)類型只有2種，均處于臨床前研究階段，有的選擇性不高，有的藥動學性質(zhì)較差，需要尋找新型結(jié)構(gòu)的抑制劑。本文旨在利用虛擬篩選去發(fā)現(xiàn)新型潛在的G9a抑制劑，為靶向G9a的藥物研發(fā)提供參考。

1材料與方法

1.1材料本文所用晶體結(jié)構(gòu)數(shù)據(jù)來源于PDB蛋白質(zhì)晶體結(jié)構(gòu)數(shù)據(jù)庫。藥效團構(gòu)建、模型優(yōu)化、藥效團篩選、分子對接計算均在普通計算機上完成，所用程序為Discovery Studio(DS)3.1分子設計軟件包，除特別說明，均使用默認參數(shù)。小分子化合物庫選用商業(yè)化合物庫ChemDiv。

1.2實驗方法

1.2.1多個藥效團模型的構(gòu)建從PDB數(shù)據(jù)庫中下載目前已知的3個G9a晶體復合物(PDB ID：3K5K，3WJQ，4NVQ)，把3個配體(圖1)剪切、粘貼于DS 3.1同一分子窗口中。點擊Common Feature Pharmacophore Generation模塊，設置相應參數(shù)。Principal：2，MaxOmitFeat：0，由于晶體結(jié)構(gòu)中的配體已經(jīng)是活性構(gòu)象，所以Conformation Generation設置為None。采用以下化學特征進行藥效團模型構(gòu)建：氫鍵供體(D)、氫鍵受體(A)、疏水中心(H)、芳環(huán)中心(R)以及正電中心(P)。從PDB數(shù)據(jù)庫中下載編號為3K5K的晶體結(jié)構(gòu)，先對蛋白分子進行加氫去水等預處理，然后利用 DS 的 Receptor-ligand pharmacophore generation 模塊產(chǎn)生藥效團模型。綜合前面2個藥效團模型，結(jié)合文獻報道的受體-配體相互作用，使用Pharmacophore generation manually模塊，再手動構(gòu)建2個藥效團模型。

圖1G9a抑制劑分子結(jié)構(gòu)

Fig.1Chemical structures of G9a inhibitors

1.2.2藥效團模型的優(yōu)劣評價通過用已知的活性化合物和非活性化合物建立Decoy set 來驗證模型區(qū)分活性化合物和非活性化合物的能力。從相關文獻中收集28個活性小分子[10-16]。按照Yang L L等介紹的方法收集非活性分子[17]。首先從Zinc數(shù)據(jù)庫中選取與活性分子集Tanimoto相似系數(shù)不超過0.6的分子，然后從中選取與活性分子集分子屬性(6個屬性：相對分子質(zhì)量、氫鍵供體數(shù)量、氫鍵受體數(shù)量、可旋轉(zhuǎn)鍵數(shù)量、分子極性表面積和AlogP)最相似的924個分子。用建好的4個藥效團模型對Decoy set數(shù)據(jù)庫進行篩選，各項指標如下：D代表Decoy set中所有化合物的數(shù)目，A代表數(shù)據(jù)庫中活性化合物的數(shù)目，Ha代表藥效團模型命中的活性化合物數(shù)，Ht代表藥效團模型命中的所有化合物數(shù)，產(chǎn)率Y(Yield) =Ha/A，命中率Hr(Hit rate)=Ha/Ht，富集因子E(Enrichment factor)=Hr/(A/D)，綜合評價指數(shù)[18](CAI)=Y×E。選擇綜合評價指數(shù)最高的模型作為最優(yōu)藥效團模型,用于下一步的篩選。

1.2.3虛擬篩選用最優(yōu)模型作為提問結(jié)構(gòu)對G9a focused_libraries進行篩選,對篩選出的化合物用DS 3.1中的CDOCKER模塊進行分子對接分析與評估。在對接前，為選擇合適的受體分子，我們重新對接了3個晶體結(jié)構(gòu)中的受體和相應配體，計算配體對接構(gòu)象與晶體構(gòu)象的均方根偏差(RMSD),我們選擇RMSD值最小(0.33 A)的4NVQ中的受體作為對接受體。CDOCKER主要計算受體和配體總能量CE(CDOCKER_ENERGY)和受體-配體相互作用能CIE(CDOCKER_INTERACTION_ENERGY)2種能量，以此作為打分函數(shù)。CDOCKER_ENERGY越低，說明受體和配體總能量越低，對接體系越穩(wěn)定。CDOCKER_INTERACTION_ENERGY越低表示對接過程中相互作用越小，配體與受體結(jié)合得越好。DS 3.1軟件對這2個值取負數(shù)，即-CDOCKER_ENERGY越大，對接體系越穩(wěn)定， -CDOCKER_INTERACTION_ENERGY越大，受體與配體結(jié)合得越好。

2結(jié)果與討論

2.1多個藥效團模型的構(gòu)建DS 3.1基于配體的藥效團模型共產(chǎn)生10個，我們選取Rank值排名第1的模型Hypo1(圖2-A)，它包括4個藥效團特征，2個疏水中心(H1，H2)，1個芳環(huán)中心(R)，1個正電中心(P)?；谑荏w-配體復合物的算法只產(chǎn)生1個藥效團模型Hypo2(圖2-B)，與文獻報道的G9a配體受體相互作用進行比較[13]，2個重要的相互作用(UNC0224喹唑啉環(huán)上7位N的正電中心、喹唑啉環(huán)上4位NH上的氫鍵供體)沒有識別出來。所以，我們綜合前面2個藥效團模型，手動構(gòu)建第3個藥效團模型Hypo3(圖2-C)，該模型包括4個藥效團特征(來源于基于配體的藥效團模型)和一些排除體積(來源于基于受體-配體復合物的藥效團模型)。文獻[16]表明,甲氧基團上的疏水中心對活性無影響；文獻[13]表明，喹唑啉環(huán)上4位NH與受體形成的氫鍵對活性非常重要，因此，我們刪除Hypo3甲氧基上的疏水中心H2，在4位NH上添加一個氫鍵供體，構(gòu)建了第4個藥效團模型(圖2-D)。

圖2A.基于配體產(chǎn)生的藥效團模型Hypo1；

B.基于配體-受體復合物的藥效團模型Hypo2；

C.綜合Hypo1和Hypo2得到藥效團模型Hypo3；

D.修改Hypo3得到藥效團模型Hypo4

Fig.2 A. Ligand-based pharmacophore model Hypo1;B. Receptor-ligand complex-based pharmacophore model Hypo2;C. Pharmacophore model Hypo3 synthesized from Hypo1 and Hypo2;D. Pharmacophore model Hypo4 generated by modifying Hypo3

2.2藥效團模型評價結(jié)果用構(gòu)建的4個藥效團模型對decoy set 進行篩選，結(jié)果見表1。我們選擇綜合評價指數(shù)最高的Hypo4作為最優(yōu)藥效團模型。

表14個藥效團模型對Decoy set的篩選結(jié)果

Tab.1Comparison of the performance of four pharmacophore models in virtual

HypoHtHaHr/%Y/%EHr/(A/D)CAIY×EHypo11852714．5996．434．964．78Hypo2181794．4460．7132．1119．49Hypo31112421．6285．717．356．30Hypo4342573．5389．2925．0022．32

2.3基于藥效團模型和分子對接的虛擬篩選本次虛擬篩選選用商業(yè)庫ChemDiv中的G9a focused_libraries，由4 379個分子組成。首先以Hypo4為提問結(jié)構(gòu)，對數(shù)據(jù)庫進行搜索，得到 233個化合物，采用DS中的CDOCKER將上述233個化合物與G9a受體進行分子對接。所挑選的候選化合物符合以下幾個標準：(1)它們能與G9a形成較好的相互作用，結(jié)合模式與現(xiàn)有晶體結(jié)構(gòu)中的結(jié)合模式相似。(2)-CE和-CIE都必須為正。(3)這些化合物與現(xiàn)有的G9a抑制劑有不同的骨架結(jié)構(gòu)。最后，我們挑選了2個符合標準的化合物，F(xiàn)911-1358和E941-0103，如圖3。

圖3化合物F911-1358和E941-0103的分子結(jié)構(gòu)

Fig.3Chemical structures of compound F911-1358 and compound E941-0103

在F911-1358的10個對接構(gòu)象中，我們選擇-CIE值最大的構(gòu)象作為最優(yōu)構(gòu)象(-CIE:59.844 4,-CE:26.866 4)，如圖4-A。F911-1358吡啶環(huán)側(cè)鏈上的NH與ASP1083形成氫鍵，吡啶環(huán)和呋喃環(huán)與ARG1157形成陽離子-π相互作用，酰胺側(cè)鏈占據(jù)G9a賴氨酸通道，其結(jié)合模式類似于3K5K。同樣，在E941-0103的10個對接構(gòu)象中，我們選擇-CIE值最大的構(gòu)象作為最優(yōu)構(gòu)象(-CIE:54.046 1，-CE:15.049 7)，如圖4-B。E941-0103中吡啶環(huán)與ARG1157形成陽離子-π相互作用，吡咯環(huán)上的NH和酰胺上的氧分別與ASP1088形成氫鍵，酰胺側(cè)鏈占據(jù)賴氨酸通道，其結(jié)合模式類似于4NVQ。圖4中賴氨酸通道上的氨基酸殘基未列出。

圖4A.化合物F911-1358與G9a的相互作用；

B.化合物E941-0103與G9a的相互作用

Fig.4 A.Interactions between compound F911-1358 and G9a;

B. Interactions between compound E941-0103 and G9a

3結(jié)論

現(xiàn)有的G9a底物競爭性抑制劑只有2種結(jié)構(gòu)，在構(gòu)建藥效團模型時，單獨使用基于配體的方法或基于復合物的方法，效果都不太好。本文綜合這2種方法，構(gòu)建了1個最優(yōu)藥效團模型并應用該模型和分子對接方法篩選出了2個潛在的G9a抑制劑。這2個化合物都能很好的與G9a受體相互作用，結(jié)合模式類似于現(xiàn)有的配體-受體復合物，其活性還需實驗進一步證明。

參考文獻：

[1]Huang J,Dorsey J,Chuikov S,et al.G9a and Glp methylate lysine 373 in the tumor suppressorp53[J].J Biol Chem,2010,285(13):9636-9641．

[2]Tachibana M,Sugimoto K,Nozaki M,et al.G9a histone methyltransferase plays adominant role in euchromatic histone H3 lysine 9 methylation and is essential for early embryogenesis[J].Genes Dev,2002,16(14):1779-1791.

[3]Thomas L R,Miyashita H,Cobb R M,et al.Functional analysis of histone methyl-transferase G9a in B and T lymphocytes[J].J Immunol,2008,181:485-493.

[4]Lehnertz B,Zorthrop J P,Antignano F,et al.Activating and inhibitory functions for the histone lysine methyltransferase G9a in T helper cell differentiation and function[J].J Exp Med,2010,207:915-922.

[5]Schaefer A,Sampath S C,Intrator A,et al.Control of cognition and adaptive behavior by the GLP/G9a epigenetic suppressor complex[J].Neuron,2009,64:678 -691.

[6]Kirmizis A,Bartley S M,Farnham A P J.Identification of the polycomb group protein SU(Z)12 as a potential molecular target for human cancer therapy[J].Mol Cancer Ther,2003,12(1):113-121．

[7]Shinkai Y,Tachibana A M.H3K9 methyltransferase G9a and the related molecule GLP[J].Genes Dev,2011,25(8):781-788．

[8]Yuan Y,Wamg Q,Paulk J,et al.A small-molecule probe of histone methyltrans-ferase G9a induces cellular senescence in pancreatic adenocarcinoma[J].ACS Chem Biol,2012,7(7):1152-1157．

[9]Kubicek S,O’Sullivan R J,August E M,et al.Reversal of H3K9me2 by a small-molecule inhibitor for the G9a histone methyltransferase[J]. Mol Cell, 2007,25:473-481.

[10]Liu F,Chen X,Allali-Hassani A,et al.Discovery of a 2,4-Diamino-7-aminoal-koxyquinazoline as a potent and selective inhibitor of histone lysine methyltransferaseG9a[J].J Med Chem,2009,52:7950-7953.

[11]Liu F,Chen X,Allali-Hassani A,et al.Protein lysine methyltransferase G9a inhibitors：design,synthesis,and structure activity relationships of 2,4-Diamino-7-aminoalkoxy-quinazolines[J].J Med Chem,2010,53:5844-5857.

[12]Liu F,Barsyte-Lovejoy D,Allali-Hassani A,et al.Optimization of cellular activity of G9a inhibitors 7-aminoalkoxy-quinazolines[J].J Med Chem,2011, 54:6139-6150.

[13]Vedadi M,Barsyte-Lovejoy D,Liu F,et al. A chemical probe selectively inhibits G9a and GLP methyltransferase activity in cells[J].Nat Chem Biol,2011, 7:566-574.

[14]Liu F,Barsyte-Lovejoy D,Li F L,ea al. Discovery of an in vivo chemical probe of the lysine methyltransferases G9a and GLP[J].J Med Chem,2013,56:8931-8942.

[15]Sweis R F,Pliushchev M,Brown P J,et al. Discovery and development of potent and selective inhibitors of histone methyltransferase G9a[J]. ACS Med Chem Lett,2014,5:205-209.

[16]Feng T T,Wang H,Zhang X J,et al. The discovery of novel histone lysine methyltransferase G9a inhibitors(Part 1): molecular design based on a series of substituted 2,4-diamino-7-aminoalkoxyquinazoline by molecular-docking- -guided 3D quantitative structure-Activity relationship studies[J]. Med Chem,2014,10:426-440.

[17]Yang L L,Li G B,Yan H X,et al.Discovery of N6-phenyl-1H-pyrazolo[3,4-d]pyrimidine-3,6-diamine derivatives as novel CK1 inhibitors using common-feature pharmacophore model based virtual screening and hit-to-lead optimization[J].Eur J Med Chem,2012,56:30-38.

[18]梁英喜，賀煜甦，崔帥，等. L-型鈣離子通道抑制劑藥效團模型的構(gòu)建[J].西北藥學雜志,2015,30(2):173-176.

《西北藥學雜志》征稿通知

《西北藥學雜志》系由西安交通大學和陜西省藥學會主辦、國內(nèi)外公開發(fā)行的綜合性藥學學術期刊。近年期刊的影響力提升，主要計量指標上升顯著，2014年影響因子0.847，總被引頻次1 675。

《西北藥學雜志》為雙月刊，頁碼增加至110頁，自2010年起已入選中國科技核心期刊(中國科技論文統(tǒng)計源期刊)，特向藥學各學科專家、教授及學生征稿，論文質(zhì)量高的和基金項目的論文優(yōu)先刊登，歡迎惠稿。

征稿經(jīng)登記及時送專家評審，根據(jù)專家評審意見對不同稿件做出以下承諾：

(1) 優(yōu)秀稿件對專家評審優(yōu)秀的稿件實行限時處理，快速運作每一環(huán)節(jié)，在15天內(nèi)審查完畢并決定是否錄用；文章經(jīng)編輯加工、作者修改后達到本刊出版要求，將隨最近一期優(yōu)先發(fā)表，無需常規(guī)的待排過程，并且實行稿費從優(yōu)。

(2) 普通稿件將在1月內(nèi)審查完畢并決定是否錄用。

西北藥學雜志唯一投稿方式是:用附件發(fā)送至xbyxzz@xjtu.edu.cn，文章下方注明聯(lián)系電話和電子郵件地址，主題寫作者姓名和征稿，請按自動回復辦相關手續(xù)。

·藥物與臨床·

Virtual screening of novel histone methyltransferase G9a inhibitors by using pharmacophore modeling and molecular docking

LIU Wenqiang,HUANG Luyi,LI Guobo (State Key Laboratory of Biotherapy and Cancer Center,Sichuan University,Chengdu 610041,China)

Abstract:Objective To discover novel G9a inhibitors with new chemical scaffolds by screening G9a focused-libraries of the commercial chemical library ChemDiv using pharmacophore modeling and molecular docking. Methods Firstly, a ligand-based pharmacophore model and a receptor-ligand complex-based pharmacophore model were generated using Discovery Studio 3.1.According to these two models， we constructed two new pharmacophore hypotheses. Then，a test set was constructed and used to evaluate the four established models. Finally, the optimal model was selected and used as 3D search query to screen G9a focused-libraries, and the hit compounds were subjected to be evaluated by using CDOCKER molecular docking program. Results Two compounds with novel scaffolds were obtained. Conclusion The established pharmacophore model is relatively reliable, and two potential G9a inhibitors were selected.

Key words:G9a；pharmacophore；molecular docking；inhibitors

通信地址：710061 西安市雁塔西路76號西安交大醫(yī)學校區(qū)西北藥學雜志編輯部收，電話029-82655134，網(wǎng)址：http://XBYZ.cbpt.cnki.net，電子郵件地址：xbyxzz@xjtu.edu.cn。

(收稿日期：2015-05-29)

中圖分類號：R914

文獻標志碼：A

文章編號：1004-2407(2016)02-0186-04

doi:10.3969/j.issn.1004-2407.2016.02.022