CoMFA, CoMSIA, HQSAR und molekulare Docking-Analyse von Ionon-basierten Chalconderivaten als antiprostatale Krebsaktivität | Jiotower

ERGEBNISSE UND DISKUSSION

Die β-Ionon-basierten Chalcone 1-15, α-Ionon-basierten Chalcone 16-22 und 4-Hydroxy-β-Ionon-basierten Chalcone 23-43 zeigten eine beträchtliche Zytotoxizität in der LNCaP-Zelllinie als Antiprostata-Aktivität (Tabelle 1). Verbindung 25 war am stärksten; 5, 11, 34, 39 und 40 waren moderat und 9, 17, 21 und 30 waren am wenigsten aktive Chalkonverbindungen auf Iononbasis im Vergleich zum Stammanalogon 25, das eine elektronenziehende Gruppe an der Meta-Position aufweist. Bei Verschiebung von -CF3 von der Meta-Position in die Para-Position (6, 18 und 26) oder Eliminierung von –CF3 mit –NO2 (11, 21 und 40), -F (9 und 30), Elektronenspendegruppe -CH3 (14, 22 und 38) haben die Zytotoxizität in Prostatakrebszellen im Vergleich zu Verbindung 25 erheblich geschwächt.

Unter Verwendung der Reihe von Ionon-basierten Chalkon-Derivaten mit antiprostataler Krebsaktivität wurden 3D-QSAR-Modelle abgeleitet. Die CoMFA- und CoMSIA-Modelle wurden unter Verwendung eines gemeinsamen unterstrukturbasierten Ausrichtungsschemas entwickelt. Während der 3D-QSAR-Analysen wählten wir 10 Verbindungen als Testset für die Modellvalidierung aus (1, 12, 13, 15, 16, 20, 27, 33, 39 und 43) und die im Trainingssatz verbliebenen wurden nach der Diversitätsmethode so ausgewählt, dass die strukturelle Vielfalt und das breite Spektrum der biologischen Aktivität im Datensatz hinzugefügt wurden. Die Strukturen der in Ausbildung und Testsatz verwendeten Verbindungen sind in Tabelle 1 dargestellt.

Die Ergebnisse der PLS-statistischen Analysen für die Alignment-Ansätze sind in Tabelle 2 zusammengefasst. Das statistische CoMFA-Modell unter Verwendung sterischer und elektrostatischer Beitragsfelder betrug 30,1% bzw. 69,9%, ergab einen kreuzvalidierten Korrelationskoeffizienten (q2) von 0,527, einen nicht kreuzvalidierten Korrelationskoeffizienten (r2) von 0,636, einen F-Wert von 34,902, eine niedrige Standardfehlerschätzung (SIEHE) von 0,236 mit einer optimalen Anzahl von Komponenten 2 und Pred r2 von 0,621 wurde erhalten. Die vorhergesagten Aktivitäten für die Inhibitoren sowie die experimentellen Aktivitäten und Restwerte sind in Tabelle 3 aufgeführt. Das Streudiagramm für die tatsächlichen pIC50 gegenüber den vorhergesagten pIC50-Werten für die Trainings- und Testsätze ist in Abb. 2a. Die vom CoMFA-Modell vorhergesagten Aktivitäten stimmen mit den experimentellen Daten überein. PLS-Analysen und vorhergesagte Aktivitäten legen nahe, dass ein zuverlässiges CoMFA-Modell entwickelt wurde.

TABELLE 3

VORHERSAGE- UND RESTWERT DES COMFA-, COMSIA- UND HQSAR-BEZIEHUNGSMODELLS

In der CoMSIA-Analyse wurden hydrophobe, Wasserstoffbindungsdonor- und Wasserstoffbindungsakzeptorfelder sowie sterische und elektrostatische Felder berechnet. Eine Kombination verschiedener Felder wurde verwendet, um das optimale Ergebnis zu erzielen. Verwendung von Verbindungen des Trainingssatzes und einer Kombination von sterischen, elektrostatischen und Wasserstoffbindungsakzeptorfeldern; ein Modell mit einem kreuzvalidierten Korrelationskoeffizienten (q2) von 0,550, einem nicht kreuzvalidierten Korrelationskoeffizienten (r2) von 0,671, einem F-Wert von 26,581, einer niedrigen Standardfehlerschätzung (SIEHE) von 0.257 mit einer optimierten Komponente von 2 und Pred r2 von 0,563 erhalten. Die Feldbeiträge von sterischen, elektrostatisch hydrophoben, Wasserstoffbrückendonor- und Wasserstoffbrückenbindungsakzeptorfeldern betrugen 0,036, 0,437, 0,090, 0,296 bzw. 0,141.

Die statistischen Parameter sind in Tabelle 2 zusammengefasst. Die vorhergesagten und experimentellen Aktivitäten für Inhibitoren mit ihren Resten sind in Tabelle 3 aufgeführt und das Streudiagramm für die tatsächlichen pIC50 gegenüber den vorhergesagten pIC50-Werten für die Trainings- und Testsätze ist in Abb. 2b. Die vorhergesagten Aktivitäten stimmen mit den experimentellen Daten überein, was darauf hindeutet, dass ein zuverlässiges CoMSIA-Modell entwickelt wurde.

Zur Visualisierung der Ergebnisse der 3D-QSAR-Modelle wurden 3D-Koeffizientenkonturkarten generiert. Die CoMFA- und CoMSIA-Ergebnisse wurden durch die Feldbeitragskarten unter Verwendung des Feldtyps STDEV*COEFF grafisch interpretiert. Die Konturkarten von CoMFA (steric and electrostatic) und CoMSIA (steric, electrostatic, hydrophobic, hydrogen-bond donor and acceptor fields) sind in Fig. Abb.33 und and4,4, beziehungsweise. Verbindung 25 wurde beschriftet und zur besseren Visualisierung in der Karte angezeigt.

Konturkarten für CoMFA-Modell.

Konturkarten von Verbindung 25 für CoMFA-Modell (a) steric und (b) electrostatic.

Konturkarten für das CoMSIA-Modell.

Konturkarten von Verbindung 25 für CoMSIA Modell (a) sterische, (b) elektrostatische, (c) hydrophobe, (d) Wasserstoffdonor- und (e) Wasserstoffakzeptor-Konturkarten für Verbindung 25.

In fig. 3a, die Konturkarte des sterischen Feldes des CoMFA-Modells, ein großes grünes Konturpolyeder, das sich um die Hydroxygruppe befand, deutete darauf hin, dass entsprechend sperrige Gruppen günstige sterische Wechselwirkungen aufwiesen. Dies kann der Grund sein, warum Verbindungen mit -CF3 Substituent (5, 7, 25, 28, 32 und 34) in der Region R3 zeigten eine starke Antiprostatakrebsaktivität als Moleküle mit und ohne Substituenten an dieser bestimmten Position R3. Zwei gelbe Farbkonturen deuteten darauf hin, dass sperrige Gruppen in dieser Richtung sterisch ungünstig waren, da es zu sterischen Kollisionen kommen konnte. Eine kleine grüne Kontur neben dem Ring stimmte mit der leichten Zunahme der Aktivität überein.

Die elektrostatische Konturkarte des CoMFA-Modells ist deutlich aus der Abb. 3b. Die blauen Konturen zeigen an, dass elektropositive Substituenten die AR-Antagonistenaktivität mit Protein erhöhen würden, während die rote Farbe anzeigt, dass sie die elektronenreichen Gruppen vermindern sollten. Da die roten Konturen in der Nähe der Hydroxygruppe der Verbindung 25 gefunden wurden, ist diese eine elektronenreiche Funktionalität und weist somit eine hohe Araprostatakrebsaktivität auf.

Die sterischen und elektrostatischen Konturen des CoMSIA-Modells ähnelten den CoMFA-Konturen Abb. 4. Im sterischen Bereich gab es jedoch eine grüne Farbe und blaue Farbe wird bevorzugt, während die gelbe und rote Farbe in der Nähe der funktionellen Gruppe ungünstig ist. Gelbe Farbe unterhalb des Phenylrings zeigt den Bedarf an weniger sperrigen Substituenten, während in der Nähe des cyclischen Rings grün für sperrige Substituenten bevorzugt ist (Abb. 4a). Für elektrostatische Blau in der Nähe des Phenylrings gefärbt zeigt, dass Elektronenspendegruppe an dieser Position erforderlich ist. Diese kontur karte war ähnlich mit CoMFA modell. Was das elektrostatische Feld betrifft, so waren die blauen und roten Hauptpolyeder ähnlich wie im CoMFA-Modell (Abb. 4b).

In der hydrophoben Wechselwirkung zeigt die gelbe Farbe, dass der Phenylring aktiv ist und zur Lipophilie beiträgt, während der weiß gefärbte nahe ungesättigte cyclische Ring die Lipophilie beeinträchtigt (Abb. 4c). In der Wasserstoffbrückendonor-Interaktionsanalyse zeigt Cyan und Purpur die Bevorzugung und Benachteiligung der Natur in Bezug auf die biologische Aktivität in der Nähe des ungesättigten cyclischen Rings (Abb. 4d). In der Wasserstoffbrückenakzeptor-Interaktionsstudie bevorzugte Rot die mit dem ungesättigten Ring verbundene Akzeptorgruppe und trug weniger zur biologischen Aktivität bei, während magentafarbene Farbe in der Nähe des ungesättigten cyclischen Rings die biologische Aktivität begünstigt Abb. 4e.

HQSAR-Analysen wurden durchgeführt, indem die 12 Standardreihen von Hologrammlängenwerten im Bereich von 53-401 Bins gescreent wurden, wobei zunächst die Fragmentgröße verwendet wurde Standard (4-7) für verschiedene unterschiedliche Fragmente als A / B / C, A / B / H, A / B / Ch, A / B / DA, A / B / C / H, A / B / C / Ch, A / B / C / DA, A / B / H / Ch, A / B / H / DA, A / B / Ch /DA, EIN/B/C/H/DA, Ein/B/C/H/DA, Ein/B/C/H/DA und ein/C/H/Ch/DA. Die Muster der Fragmentzählung aus den Trainingssatz-Inhibitoren wurden mit der experimentellen biologischen Aktivität unter Verwendung der PLS-Analyse in Beziehung gesetzt. Der beste statistische Parameter wurde aus PLS-Analysen mit A/B/C erhalten. Der Einfluss der Fragmentgröße ist bei der Erzeugung von HQSAR-Modellen von grundlegender Bedeutung, da dieser Parameter die minimale und maximale Länge der im Hologramm-Fingerabdruck zu codierenden Fragmente steuert.

Das statistische HQSAR-Modell, das unter Verwendung der Standardfragmentgröße (4-7) mit Fragmentdifferenz (A / B / C) generiert wurde, ergab einen kreuzvalidierten Korrelationskoeffizienten (q2) von 0,670, einen nicht kreuzvalidierten Korrelationskoeffizienten (r2) von 0,746, eine niedrige Standardfehlerschätzung (SIEHE) von 0,203 mit einer optimierten Komponente von 4, und Pred r2 von 0,732 wurde erhalten (Tabelle 4). Somit war das hier erhaltene HQSAR-Modell zuverlässig. Die prädiktiven und residualen pIC50-Werte von Daten basierend auf dem HQSAR-Modell sind in Tabelle 3 aufgeführt. Das Streudiagramm für die tatsächlichen pIC50 im Vergleich zu den vorhergesagten pIC50-Werten für die Trainings- und Testsätze ist in Abb. 5.

Korrelationsdiagramm von HQSAR.

Korrelation zwischen den experimentellen und vorhergesagten Aktivitäten des HQSAR-Modells. ♦- Trainingssatz, ▪- Testsatz.

TABELLE 4

ERGEBNISSE VON HOLOGRAMM QUANTITATIVE STRUKTUR AKTIVITÄT BEZIEHUNG ANALYSEN AUF DIE WICHTIGSTEN STATISTISCHEN PARAMETER MIT FRAGMENT-GRÖßE STANDARD

HQSAR stellt grafisch Informationen über die atomaren oder Fragment Beiträge zu den Aktivitäten als verschiedene Farben. Die Farben am grünen Ende (Gelb, Grün-blau und Grün) spiegeln einen positiven Beitrag wider, die Farben am roten Ende des Spektrums (Rot, rot-orange und Orange) spiegeln einen negativen Beitrag wider und neutrale Beiträge sind weiß gefärbt. Die aktivsten Molekülfragmente der Verbindung 25, der stärksten Antiprostatakrebsverbindung des Datensatzes, sind in Abb. 6. Die Molekülfragmente, die dem ungesättigten Ring entsprechen, sind laut den Contribution Maps stark mit der biologischen Affinität an C1, C2 und C6 verwandt (grün und gelb gefärbt).

HQSAR-Konturkarte für Verbindung 25.

Zu den Regionen, die negativ zur biologischen Aktivität beitragen, gehört die Methylgruppe, die an den Phenylring an R3 gebunden ist, und es wurde auch festgestellt, dass die elektronenspendenden Gruppen die Aktivität verringern und durch elektronenziehende Substituenten mit unterschiedlichen strukturellen und physikochemischen Merkmalen ersetzt werden können mit dem Ziel, die Affinität und Potenz der in dieser Arbeit untersuchten Verbindungen zu erhöhen.

Die Vorhersagekraft der CoMFA- und CoMSIA-Modelle wurde durch den externen Testsatz von 14 Verbindungen validiert. Die vorhergesagten pIC50-Werte der Testverbindungen stimmen mit den experimentellen Daten innerhalb eines akzeptablen Fehlerbereichs überein. Die r2-Pred-Werte wurden für CoMFA- bzw. CoMSIA-Modelle mit 0,621 bzw. 0,563 berechnet. Ein Testsatz von 10 Verbindungen, die von der Konstruktion von 3D-QSAR-Modellen ausgeschlossen waren, wurde verwendet, um die Vorhersagefähigkeit der erhaltenen Modelle weiter zu validieren. Der Korrelationskoeffizient r2 (r2 pred) der CoMFA- und CoMSIA-Modelle betrug 0,621 bzw. 0,563, was auf eine gute Vorhersagefähigkeit hinweist. Eine externe Validierung mit den Validierungsmethoden von Tropsha wurde durchgeführt, um die Vorhersagefähigkeit der CoMFA- und CoMSIA-Modelle weiter zu bewerten. Diese Validierung wurde unter Verwendung der 10 Testsatzverbindungen durchgeführt, die nicht in der Entwicklung des Modells enthalten waren. CoMFA- und CoMSIA-Modelle erfüllten die folgenden Bedingungen (i) q2=0,53>0,50; (ii) r2=0,64>0,60 und (i) q2=0,55>0,50; (ii) r2=0,67>0,60.

Der Restwert, der aus den beobachteten und vorhergesagten Aktivitäten des Trainings und Tests des besten CoMFA- (SE), CoMSIA- (SEHDA) und HQSAR-Modells (A / B / C) erhalten wurde. Das angeschlossene HQSAR-Modell zeigte eine gute externe Vorhersagefähigkeit im Vergleich zum CoMFA-Modell und den CoMSIA-Modellen für den externen Testsatz. Diese statistischen Ergebnisse für die Testsatzmoleküle liefern einen starken Nachweis dafür, dass die so abgeleiteten CoMFA-, CoMSIA- und HQSAR-Modelle in der Lage sind, die Anti-Prostata-Aktivität strukturell variierter Datensätze gut vorherzusagen. Die Validierungsergebnisse zeigen, dass die abgeleiteten 3D-QSAR-Modelle verwendet werden könnten, um die inhibitorischen Aktivitäten vorherzusagen und ionon-basierte Chalkone in der LNCaP-Zelllinie als Antiprostataaktivität zu entwerfen.

Docking wurde eingesetzt, um den Bindungsmodus zwischen diesen Ionon-basierten Chalkon-Derivaten und der Androgenrezeptor-Protein-Inhibitor-5-α-Dihydrotestosteron (Protomol) -Stelle zu untersuchen, um die Stabilität von QSAR-Modellen zu untersuchen, die zuvor generiert wurden.

Wir haben die stärkste Verbindung 25 im Docking-Experiment ausgewählt, um die tiefere Docking-Analyse durchzuführen. Gemäß der besten Docking-Konformation der stärksten Verbindung 25 stellte das -CF3 bei R3 eine Schlüsselinteraktion mit dem THR 877 her, Das Fluoratom fungierte als Wasserstoffbindungsakzeptor und bildete H–Bindungen mit dem -H-Atom von THR 877. Die Aminosäure THR 877 wurde für das Wachstum des Androgenempfängers angefordert. Die erforderliche THR 877-Aminosäurehemmung wurde mit der funktionellen Gruppe –NH2 der Ionon-basierten Chalcone-Derivate erreicht. Die -OH-Gruppe schien zu stark an einem Netz von Wasserstoffbindungsakzeptor- und Wasserstoffbindungsdonorinteraktionen beteiligt zu sein. Das Oxy von -OH bildete eine Wasserstoffdonorinteraktion mit NH2 von ARG 752; -OH des H-Atoms erzeugte eine Wasserstoffbindungsdonorinteraktion mit Oxy der GLN 711-Aminosäure und der Dock-Score betrug -3,183 kcal / mol (Abb. 7a).

Bindungskonformationen der Verbindung 25 mit Rezeptor.

Bindungskonformationen der Verbindung 25 (a) an der Inhibitorbindungsstelle des Androgenrezeptors (PDB-Code 1T65), (b) mehr Einblick in die Docking-Analyse durch eine MOLCAD-lipophile Potentialbindung, (c) elektrostatisches Potential und (d) Hohlraumtiefe.

Um das Sekundärstrukturelement der Bindung zu visualisieren, wurde das MOLCAD mit Inhibitorstelle appliziert. In den meisten Wirkstoff 25, aromatischen Ring auf dem geringen elektrostatischen Potential, in stark lipophilen Bereich und in tieferen Hohlraum. Der R3-Teil hängt von der leichten elektrostatischen Potentialregion, der leichten lipophilen Region und der oberen Region der Hohlraumtiefe ab. Die MOLCAD-Oberfläche der 5-α-Dihydrotestosteron (DHT) -Bindungsstelle des Inhibitors wurde als Protomol erstellt und mit elektrostatischem Potential (EP) angezeigt, um die elektrostatische COMFA-Konturkarte zu untersuchen und zu validieren.

Die MOLCAD-Oberfläche des DHT wurde ebenfalls erstellt und mit lipophilem Potential (LP) dargestellt, um die hydrophobe Konturkarte von CoMSIA zu untersuchen (Abb. 7b). Die rampe für LP displays von rot (lipophilen bereich) zu blau (hydrophilen bereich) farbe zu untersuchen CoMSIA konturen karte. Die R3-Seitenkette und die aliphatische Kette befanden sich im grünen und der aromatische R3-Phenylring im roten Bereich, was darauf hindeutete, dass leichte hydrophobe bzw. hydrophobere Gruppen die Wirksamkeit erhöhen würden.

Die EP Contour Map-Bindungsaffinität bestätigt und validiert das CoMFA-Modell Abb. 7c. Das Andocken der Verbindung 25 an die DHT-Stelle; Die rote Farbe zeigt den elektronenziehenden Bereich und die violette Farbe zeigt den elektronenspendenden Bereich. Die Beobachtungen aus Fig. 7 deutlich mit denen der COMFA-elektrostatischen Konturenkarte verwandt. Im Detail befand sich die R3-Region in der blauen Region, was darauf hindeutete, dass ein elektronenziehender Substituent günstig wäre; die R4, R5-Position befand sich in einer roten Region, was darauf hindeutete, dass elektronenspendende Gruppen die Potenz erhöhen können.

Die Farbrampe für die Kavitätentiefe reicht von Orange (höchste Kavitätentiefe) bis Blau (niedrigste Kavitätentiefe). Die R3 (-CF3) Seitenkette war in der braunen Farbe, die empfahl, dass ein Teil in tieferen Hohlraumregionsgruppen die Potenz erhöhen würde; das Phenyl, -C = O und C1 des ungesättigten Rings war in einer blauen Farbe, die den Bereich des oberen Hohlraums zeigte (Abb. 7d).

Die wichtigen Schlüsselergebnisse aus der CoMFA-, CoMSIA-, HQSAR- und Docking-Interaktionsanalyse ermöglichen es uns, einige neuartige Antiprostatakrebsverbindungen vorzuschlagen. Die molekulare Modellierungsanalyse lieferte ausreichende Informationen über die strukturellen Anforderungen für eine verbesserte Antiprostataaktivität. Die CoMFA-, CoMSIA- und HQSAR-Konturbeitragskarten helfen uns, das zugängliche Gerüst zu optimieren. Weiterhin schätzte Docking die Bindungsaffinität der aktivsten Verbindung. Basierend auf der molekularen Modellierungsempfehlung im Detail verbessern weniger sperrige, elektronenziehende, elektronengebende, Wasserstoffbrückendonor- und Akzeptorgruppen an der R2-Position die Aktivität; sperrige, elektronenziehende und hydrophobe Substituenten werden an R3 bevorzugt; und kleinere, weniger sperrige Substituenten an R4, R5 und R6 unterstützen die Potenz durch CoMFA und CoMSIA. Darüber hinaus weist HQSAR darauf hin, dass ungesättigte und verknüpfte aliphatische Seitenketten einen positiven Beitrag leisteten. Die Gruppe -CF3 und -OH waren essentiell für die Bindung an den Hohlraum der Inhibitorstelle (Protomol). Die in dieser Studie untersuchte Struktur-Aktivitäts-Beziehung ist in Abb. 8. Basierend auf diesem Vorschlag entwarfen wir eine Reihe neuartiger Antiprostatamoleküle. Diese entworfenen Moleküle wurden in der Datenbank durch das Align-Datenbankmodul ausgerichtet, und ihre pIC50-Werte wurden durch die zuvor etablierten CoMFA-, CoMSIA-, HQSAR-Modelle und Docking-Scores vorhergesagt.

Struktur-Aktivitäts-Beziehung durch QSAR und Docking aufgedeckt.

EW: Elektronenziehen; ED: Elektronenspenden.

Gemäß den Vorhersagen, zwölf Strukturen neu entwickelter Derivate, vorhergesagte pIC50-Werte und Dock-Score sind in Tabelle gezeigt 5, Die meisten der entworfenen Derivate zeigten bessere Potenzen als Verbindungen S6 und S9, Das waren die aktivsten Derivate in der Datenbank und im Vergleich zu Verbindung verifiziert 25. Diese Ergebnisse bestätigen die Struktur-Aktivitäts-Beziehung, die aus QSAR- und Docking-Studien erhalten wurde, wir dachten, dass die von uns bezeugten entworfenen Moleküle Antiprostatakrebs vermitteln und für die bevorstehende Forschung führend bleiben.

TABELLE 5

VORHERGESAGTE PIC50-WERTE UND DOCKING-SCORES NEU ENTWICKELTER ANTIPROSTATA-DERIVATE

In der vorliegenden Studie wurden QSAR-Analyse und Docking auf eine Reihe von Chalkonderivaten auf Iononbasis angewendet. Die generierten Modelle haben sich mit höheren q2- und r2-Werten als statistisch präzise erwiesen. Molekulare Modellierungsmethoden wurden durchgeführt, um die strukturellen Merkmale zu verstehen, die für die Affinität der Liganden für AR verantwortlich sind. Die sperrigen, negativ geladenen Substituenten und H-Bindungsakzeptoren an R2-, R3-, R4-, R5- und R6-Position würden die Aktivität erhöhen; die Substitution an der Phenylposition ist für eine verbesserte Aktivität sehr wichtig. Der hydrophobe Substituent an der Position des Linkers würde die Aktivität erhöhen. Zylische Ringe an beiden Seiten von Ionon-basierten Chalkon-Derivaten sind für die zytotoxische Wirkung des AR-Antagonisten erforderlich. Hier spielt die hydrophobe Eigenschaft des Phenylrings eine Schlüsselrolle bei den Aktivitäten gegen Prostatakrebs. Diese Ergebnisse lieferten wichtige Hinweise, die verwendet wurden, um zwölf neue Anti-Prostata-Krebs-Verbindungen mit hoher vorhergesagter Aktivität zu entwerfen.