项目名称: 基于片段的新型BET Bromodomain小分子抑制剂的设计、合成与生物活性研究

项目编号: No.81473077

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: 陈亚东

作者单位: 中国药科大学

项目金额: 70万元

中文摘要: Bromodomains(BRDS)通过蛋白质的相互作用可特异性地识别乙酰化赖氨酸残基。 BRDS存在于不同的蛋白质中,对染色质组织和基因转录调控起着关键的作用。BET Bromodomain已成为一个对肿瘤具有潜在治疗能力的表观遗传新靶点。在前期研究中,我们识别出BET Bromodomain存在有KAc结合区、WPF区和ZA Channel三个热点区域,其中ZA Channel是我们新发现的一个和选择性有关的热点,并且获得了一个作用于KAc结合区的先导结构片段TR_43(BRD4 IC50=2.40μM)。本项目将在前期工作的基础上,以TR_43为结构起点,运用基于片段的药物设计方法,通过对ZA Channel和WPF区适宜结构片段的发现,经过拼合进行合理的设计、化学合成,和生物活性评价,最终发现高效、高选择性的新型BET Bromodomain抑制剂,为表观遗传的抗肿瘤治疗奠定基础。

中文关键词: Bromodomain;抑制剂;抗肿瘤;基于片段的分子设计;蛋白-蛋白相互作用;合成

英文摘要: Bromodomains (BRDs) can specifically identify acetyl-lysine residues through protein-protein interactions. BRDs are present in diverse proteins that play key functions in chromatin organization and regulation of gene transcription. BET Bromodomain has become a novel epigenetic target which may have great therapeutic potential for cancers. In our preliminary study, we have identified three hot spots in BET Bromodomain, including KAc binding site, WPF shelf, and ZA Channel. Particularly, we have confirmed that ZA Channel is a key hot spot which is essential for the selectivity. Furthermore, we have obtained a promising lead fragment TR_43 (BRD4 IC50=2.40μM), which binds to the KAc site. The success of our preliminary study laid the foundation for further fragment-based drug design. Thus, in current study, we propose to identify active fragments for ZA Channel and WPF shelf by fragment-based method, and through fragment combination, chemical synthesis, and bioactivity evaluation, we expect to eventually identify potent and specific BET inhibitors as a potential avenue for epigenetic cancers.

英文关键词: Bromodomain inhibitors;antitumor;Fragment-based drug design;protein-protein interactions;synthesis

成为VIP会员查看完整内容
0

相关内容

AI药物研发发展研究报告(附报告)
专知会员服务
89+阅读 · 2022年2月11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
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
85+阅读 · 2021年10月11日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
【ICML2020】通过神经引导的A*搜索学习逆合成设计
专知会员服务
16+阅读 · 2020年8月18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
靶向蛋白质降解的蛋白-蛋白相互作用预测
GenomicAI
4+阅读 · 2022年3月5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 · 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 · 2012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19日
Arxiv
0+阅读 · 2022年4月19日
Arxiv
46+阅读 · 2021年10月4日
小贴士
相关主题
相关VIP内容
AI药物研发发展研究报告(附报告)
专知会员服务
89+阅读 · 2022年2月11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
【AAAI2022】利用化学元素知识图谱进行分子对比学习
专知会员服务
27+阅读 · 2021年12月3日
专知会员服务
85+阅读 · 2021年10月11日
【干货书】数据挖掘药物发现,347页pdf
专知会员服务
133+阅读 · 2021年9月20日
【ICML2020】通过神经引导的A*搜索学习逆合成设计
专知会员服务
16+阅读 · 2020年8月18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
相关资讯
相关基金
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 · 2012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