项目名称: 以HDACs为靶标的抗肿瘤先导化合物ZYJ-34c的成药性研究

项目编号: No.21302111

项目类型: 青年科学基金项目

立项/批准年度: 2014

项目学科: 数理科学和化学

项目作者: 张颖杰

作者单位: 山东大学

项目金额: 25万元

中文摘要: 在众多与表观遗传修饰相关的酶系中,组蛋白去乙酰化酶(HDACs)与肿瘤关系的研究较为透彻,已成为抗肿瘤药物设计的热门靶标。本课题前期工作设计合成了一系列四氢异喹啉类HDACs抑制剂,其中化合物ZYJ-34c具有比已上市的HDACs抑制剂SAHA更强的抗肿瘤活性,已作为抗肿瘤先导化合物进入临床前研究开发阶段。然而初步的稳定性和药代动力学结果表明,ZYJ-34c的血浆稳定性差且口服生物利用度低。因此,本课题拟主要围绕以下两方面展开研究:1. 针对ZYJ-34c的药代动力学缺陷对其进一步结构改造和优化,以提高其生物利用度和代谢稳定性;2. 寻找可能存在的ZYJ-34c体内活性代谢产物,并对其进行化学合成、结构鉴定和成药性评价。这两方面工作都有利于找到新的高效、低毒、具有良好药代动力学特征的抗肿瘤先导化合物,为开发具有我国自主知识产权的HDACs抑制剂类抗肿瘤药物奠定基础。

中文关键词: 组蛋白去乙酰化酶;抑制剂;抗肿瘤;;

英文摘要: Among the epigenetic enzymes, histone deacetylases (HDACs) have now emerged as a promising class of antitumor targets due to their close relationship with tumor. In our previous research, a novel series of tetrahydroisoquinoline-based HDACs inhibitors were designed and synthesized, among which ZYJ-34c exhibited higher antitumor activity than the approved HDACs inhibitor SAHA and entered preclinical research as lead compound. However, preliminary stability study and pharmacokinetic study of ZYJ-34c revealed that its plasma stability and oral bioavailability were poor. Therefore, our subsequent research mainly focused on the following two aspects: 1. Further structure modification and optimization of ZYJ-34c to improve its oral bioavailability and plasma stability. 2. Total synthesis, structure confirmation and drug-like property evaluation of the possible in vivo metabolites of ZYJ-34c; Aforementioned related research might lead to more promising antitumor lead compounds with better pharmacokinetic profiles and lay a solid foundation for the research and development of HDACs inhibitors as antitumor drugs with our own intellectual property.

英文关键词: histone deacetylase;inhibitor;antitumor;;

成为VIP会员查看完整内容
0

相关内容

人工智能到深度学习:药物发现的机器智能方法
专知会员服务
36+阅读 · 2022年5月6日
综述分享 | 计算机辅助化合物逆合成预测
专知会员服务
10+阅读 · 2022年5月6日
专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
28+阅读 · 2021年8月27日
最新「图机器学习药物发现」综述论文,22页pdf245篇文献
专知会员服务
71+阅读 · 2021年3月27日
【南京大学冯雯博士论文】新型深度学习模型的研究
专知会员服务
67+阅读 · 2020年12月5日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
人工智能预测RNA和DNA结合位点,以加速药物发现
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
Arxiv
0+阅读 · 2022年5月24日
Arxiv
0+阅读 · 2022年5月24日
Arxiv
13+阅读 · 2021年5月3日
Arxiv
102+阅读 · 2020年3月4日
小贴士
相关主题
相关VIP内容
人工智能到深度学习:药物发现的机器智能方法
专知会员服务
36+阅读 · 2022年5月6日
综述分享 | 计算机辅助化合物逆合成预测
专知会员服务
10+阅读 · 2022年5月6日
专知会员服务
85+阅读 · 2021年10月11日
专知会员服务
28+阅读 · 2021年8月27日
最新「图机器学习药物发现」综述论文,22页pdf245篇文献
专知会员服务
71+阅读 · 2021年3月27日
【南京大学冯雯博士论文】新型深度学习模型的研究
专知会员服务
67+阅读 · 2020年12月5日
【学科交叉】抗生素发现的深度学习方法
专知会员服务
24+阅读 · 2020年2月23日
相关基金
国家自然科学基金
0+阅读 · 2015年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2013年12月31日
国家自然科学基金
0+阅读 · 2012年12月31日
国家自然科学基金
0+阅读 · 2011年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
国家自然科学基金
0+阅读 · 2009年12月31日
微信扫码咨询专知VIP会员