基于遗传算法与深度学习的ATR抑制剂自动设计

【摘要】：共济失调毛细血管扩张突变基因和Rad3相关激酶(Ataxia telangiectasia and Rad-3related protein kinase,ATR)作为PIKK家族中的重要蛋白激酶,不仅和基因重组有关,而且在DNA损伤修复通路中发挥关键调节作用。由于肿瘤细胞中DNA损伤应答机制存在缺陷,导致肿瘤细胞对ATR依赖性更高,使得抑制ATR可以有效抑制肿瘤细胞DNA损伤修复而对健康细胞影响较小。因此,ATR被视为理想的抗肿瘤药物靶点。但目前现有ATR抑制剂数量较少,尚未有临床药物上市,高效开发新颖的特异性ATR抑制剂作为临床候选药物依然是一个巨大挑战。本研究尝试将遗传算法和深度学习模型有效结合,构建ATR抑制剂自动设计系统,高效设计得到结构多样的ATR抑制剂,并进行合成和抗肿瘤活性的验证。本研究主要分为以下五个部分:1.绪论本章回顾了ATR的结构和生理学功能、现有ATR抑制剂的开发情况、计算机辅助药物设计策略以及深度学习和遗传算法在生物医药领域方面的研究进展,从而为本课题研究提供理论基础和技术支撑。2.基于遗传算法与深度学习的ATR抑制剂设计系统构建本章从Binding DB数据库搜集获得889种有效的ATR抑制剂,采用RDKit工具包计算其115种分子描述符和ECFP分子指纹,基于递归特征消除法筛选得到84种与药物敏感性数据IC_(50)相关性高的分子描述符。进而分别构建了以分子描述符(模型一)、分子指纹(模型二)以及联合分子描述符和分子指纹(模型三)作为输入数据、IC_(50)作为输出数据的三种化合物活性预测回归模型,并采用网格搜索算法对回归模型的性能进行优化,通过其性能比较,以性能最佳的模型三作为遗传算法中化合物活性评价。其次,使用Python脚本语言,基于遗传算法,以上述深度学习预测回归模型(模型三)为适应度评价方法,构建了一种ATR抑制剂的自动设计系统。使用该系统设计得到了195种结构多样的新型ATR抑制剂。3.ATR抑制剂的评价本章使用分子对接技术,以及基于片段贡献和复杂性惩罚的组合的综合合成可行性评估方法对所设计的195个化合物与ATR的结合能力和合成可行性进行了评估。分子对接结果表明,195种ATR抑制剂均能结合于靶标蛋白的活性位点。合成可行性计算结果表明,195个ATR抑制剂的合成可行性得分均小于5,说明设计的化合物具有实验室合成可行性。最终以分子对接的氢键相互作用、π-堆积相互作用数目之和大于3作为选择标准,从195个新型ATR抑制剂中选择化合物2、9、30及176作为候化合物进行合成和抗肿瘤活性研究。4.ATR抑制剂的化学合成本章旨在对设计的新颖ATR抑制剂进行化学合成,以期获得分子实体,为进一步抗肿瘤细胞增殖实验评价提供基础。首先,我们根据逆合成分析方法,设计并优化候选化合物的合成路线。其次根据现有的实验室条件合成4种潜在ATR抑制剂,最后借助~1H NMR、~(13)C NMR以及质谱分析方法对ATR抑制剂结构进行表征。5.ATR抑制剂的抗肿瘤活性研究本章以人源乳腺癌细胞株MCF-7为模型,以盐酸阿霉素为阳性对照药物,分别对4种新型ATR抑制剂单药使用、与盐酸阿霉素以摩尔比1:1联合用药的抗肿瘤活性进行评价。结果表明,4种新型ATR抑制剂均具有一定的抗肿瘤增殖活性,但单独用药效果较弱,其IC_(50)分别为332.211μM、179.750μM、304.426μM、318.141μM。4种新型ATR抑制剂与盐酸阿霉素联合给药具有协同抗肿瘤效果,其中化合物2与盐酸阿霉素联用的协同效应为CI=0.515,发挥高度协同效应,化合物9与盐酸阿霉素联用的协同效应为CI=0.334,发挥强协同效应,化合物30与盐酸阿霉素联用的协同效应为CI=0.777,发挥中度协同效应,化合物176与盐酸阿霉素联用的协同效应为CI=0.505,发挥高度协同效应,能够显著增强抗肿瘤活性。综上所述,本研究成功构建了ATR抑制剂自动设计系统,并高效设计了一系列结构多样的潜在ATR抑制剂。本研究采用的计算机辅助药物设计策略可以为其它靶标药物的开发提供技术支持和借鉴意义。