肝X受体β(liver X receptorβ,LXRβ)与体内胆固醇代谢密切相关,是治疗高脂血症的药物新靶点。该文以LXRβ激动剂为载体,利用3D-QSAR pharmacophore(Hypogen)模块构建定量药效团,得到最优的药效团模型包含1个氢键受体,1个芳环基团和2个疏水基团,药效团的5项评价指标分别为:训练集化合物的预测活性值和实验活性值的相关系数(correlation)为0.95、模型的费用函数(Δcost值)为128.65、活性化合物有效命中率(HRA)为84.44%、辨识有效性指数(IEI)为2.58、综合评价指数(CAI)为2.18。利用最优药效团模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),初步获得309个潜在的中药活性成分。随后利用Libdock分子对接方法进一步精制筛选结果,基于原配体的打分值以及关键氨基酸建立筛选规则,最终得到去甲氧基姜黄素、异甘草黄酮醇、胀果甘草查尔酮E、水飞蓟宁4个化合物为潜在的LXRβ激动剂。该研究可以高效、低耗的筛选潜在的LXRβ中药激动剂,为抗高血脂新药研发提供助力。
细胞色素P450酶(CYP450)的抑制是药物相互作用最常见的原因,对CYPs抑制剂早期预测的研究有助于减少药物相互作用导致的不良反应。CYP450 2E1(CYP2E1)是CYP450酶系中参与药物体内代谢的主要酶,具有广泛的药物代谢底物谱。该研究以CYP2E1为研究对象,基于32个CYP2E1抑制剂,建立支持向量回归模型(support vector regression,SVR),并用测试集数据对CYP2E1定量模型进行验证,获得CYP2E1抑制剂最优预测模型。该研究同时利用CDOCKER分析阳性化合物与活性口袋相互作用模式及氨基酸,建立CYP2E1抑制剂最优筛选模型。综合利用支持向量回归模型和分子对接预测模型筛选中药化学成分数据库(traditional Chinese medicine database,TCMD),提高了计算效率和结果的准确性。SVR预测模型初步得到6 376个中药化合物,通过分子对接进一步验证,最终获得247个对CYP2E1具有潜在抑制活性的中药化合物,其中部分已有实验证实其的确对CYP2E1具有抑制作用。该研究对CYP2E1酶抑制剂的研究可为CYP450抑制剂的虚拟筛选及其介导的药物不良反应预测提供指导,对临床合理用药提供一定的参考。
