项目名称: 基于改善理化性质的选择性S1P1受体激动剂的研究

项目编号: No.81473096

项目类型: 面上项目

立项/批准年度: 2015

项目学科: 医药、卫生

项目作者: 汪小涧

作者单位: 中国医学科学院药物研究所

项目金额: 60万元

中文摘要: 鞘氨醇-1-磷酸I型受体(S1P1 receptor)激动剂是目前自身免疫性疾病药物的研究热点。本项目针对上市药物FTY720临床应用中出现的代谢缓慢的问题,拟在前期构效关系研究基础上,通过基于受体和基于配体的合理药物设计相结合的方法,获得具有全新结构骨架的S1P1受体激动剂先导化合物。进一步基于改善理化性质进行结构修饰研究,对于不同结构类型的化合物采取有针对性的结构修饰策略,通过分析理化性质和生物活性测试结果,进行逐级递进式的多轮结构优化,获得具有较好的疾病治疗效果和理想的药物代谢性质的选择性S1P1受体激动剂候选药物。同时,探索化合物的结构特征与药理活性、理化性质以及代谢性质之间的内在联系和变化规律。

中文关键词: 选择性S1P1受体激动剂;虚拟筛选;理化参数;药代动力学参数;候选药物

英文摘要: Sphingosine 1-phosphate receptor 1 (S1P1 receptor) agonist is a hot topic for autoimmune disease treatment. This project is based on the slow metabolism problem of FTY720 during clinical usage. On the basis of our previous researches toward selective S1P1 agents, we launched both receptor and ligand based rational drug discovery strategies to identify new lead compounds of S1P1 agonists. The structural modification is applied individualized by using the Physicochemical Property Oriented Structure Optimization Strategy. The drug candidates of selective S1P1 receptor agonists with good effects on treatment of autoimmune disease as well as ideal pharmacokinetic properties would be selected by the results of physicochemical and biological evaluation. Meanwhile, the regularity and relationships between the structural features and pharmaceutical, physicochemical, pharmacokinetic properties are also studied.

英文关键词: Selective S1P1 agonist;Virtual screen;Physico-chemical parameters;Pharmacokinetic parameters;Drug candidate

成为VIP会员查看完整内容
0

相关内容

AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
39+阅读 · 2022年2月28日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
20+阅读 · 2021年5月1日
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
155+阅读 · 2021年1月28日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13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
国家自然科学基金
1+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 · 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
Arxiv
0+阅读 · 2022年4月20日
Arxiv
16+阅读 · 2021年11月27日
Arxiv
24+阅读 · 2021年1月25日
小贴士
相关VIP内容
AAAI 2022 | ProtGNN:自解释图神经网络
专知会员服务
39+阅读 · 2022年2月28日
ICLR 2022|化学反应感知的分子表示学习
专知会员服务
20+阅读 · 2022年2月10日
专知会员服务
41+阅读 · 2021年6月2日
专知会员服务
20+阅读 · 2021年5月1日
人工智能药物发现,讲述AI与药物交叉应用研究
专知会员服务
155+阅读 · 2021年1月28日
异质图嵌入综述: 方法、技术、应用和资源
专知会员服务
47+阅读 · 2020年12月13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
1+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 · 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
微信扫码咨询专知VIP会员