基于分子对接的牛布氏杆菌苏氨酰tRNA合成酶新型抑制剂的虚拟筛选及活性验证

发布时间：2017-12-09 14:02

  本文关键词：基于分子对接的牛布氏杆菌苏氨酰tRNA合成酶新型抑制剂的虚拟筛选及活性验证

  更多相关文章： 布氏杆菌 苏氨酰tRNA合成酶 抑制剂 同源建模 分子动力学 分子对接 虚拟筛选

【摘要】：本论文重点采用同源建模(HomologyModeling)与分子动力学模拟(Molecular Dynamics Simulation)构建 了牛布氏杆菌(Brucella abortus)苏氨酰tRNA合成酶(Threonyl-tRNA Synthetase)(BaThrRS)的三维结构。接着,以牛布氏杆菌苏氨酰tRNA合成酶为靶标,利用基于分子对接(MolecularDocking)的虚拟筛选(VirtualScreening)获得了牛布氏杆菌苏氨酰tRNA合成酶新型抑制剂的候选化合物。最后,购买了对应的候选化合物,并以利用微生物抑制试验初步筛选、鉴定了对牛布氏杆菌,具有抑制作用的牛布氏杆菌苏氨酰tRNA合成酶新型抑制剂。本论文的研究内容包括以下3部分:1.BaThrRS三维结构的建立基于分子对接虚拟筛选的前提是需要靶标的三维结构,而BaThrRS的三维结构并未获得解析。本研究首先在NCBI的Protein数据库获得了BaThrRS的氨基酸序列。接着,利用NCBI中在线blast搜索了 PDB数据库中与BaThrRS具有高相似性的蛋白三维结构。然后,利用Modeller9.16软件进行同源建模,获得了 BaThrRS的初级三维结构模型。接着,利用MolProbity 4.3评价该三维结构模型的结构合理性,并利用分子动力学模拟对BaThrRS的三维结构进行了 20 ns的结构优化,获得BaThrRS的最终三维结构。结果表明,大肠杆菌苏氨酰tRNA合成酶(EThrRS)与BaThrRS的氨基酸序列具有51%的相似性,适合用作构建BaThrRS三维结构的模板。BaThrRS初级三维结构模型的Verify3D值为90.27%,ERRAT值为76.425。其Ramachandran显示,该三维结构模型有95.1%(623/655)氨基酸位于合适区域,98.9%(648/655)氨基酸位于可接受区域,1.07%(7/655)氨基酸位于不可接受区域。经过20 ns的分子动力学模拟优化后,该模型的Verify3D值升为93.76%,ERRAT值升为85.440。其Ramachandran显示,该三维结构模型有92.2%(604/655)氨基酸位于合适区域,99.2%(650/655)氨基酸位于可接受区域,仅有0.76%(5/655)氨基酸位于不可接受区域。这表明经过优化的BaThrRS三维结构模型的结构更加合理,能够用作靶标,进行基于分子对接的虚拟筛选。2.BaThrRS新型抑制剂候选化合物的筛选基于分子对接虚拟筛选需要确定抑制剂在BaThrRS上的作用位点,即对接位点。本研究首先利用ATP与BaThrRS进行分子对接,找到ATP周围的氨基酸残基,从而,找到了 BaThrRS的活性中心。接着,将勃利霉素与BaThrRS进行分子对接,找到特异性抑制剂的结合位点和结合自由能。结果表明,BaThrRS的活性中心可以结合抑制剂,可被用作结合位点来进行基于分子对接的虚拟筛选。勃利霉素的结合自由能为-9.7 kcal/mol比ATP的结合自由能(-9.8kcal/mol)略大。说明虚拟筛选中,候选化合物的结合自由能均需小于-9.7 kcal/mol。最后,通过虚拟筛选,得到了 99种结合自由能均不大于-11 kcal/mol的候选化合物。3.BaThrRS新型抑制剂的鉴定采用微生物抑菌圈实验和MIC分析方法,验证了先前得到的候选化合物。结果共发现验证的42种候选化合物种有4种化合物对布氏杆菌均具有明显的抑制效果,说明利用本研究采用的基于分子对接的虚拟筛选的有效率约为10%。其中,E1和F4的MIC分别为1 mg/mL和0.5 mg/mL。本研究为开发防治牛布氏杆菌病的药物奠定了基础。
【学位授予单位】：中国农业科学院
【学位级别】：博士后
【学位授予年份】：2017
【分类号】：S852.61

【相似文献】

中国期刊全文数据库 前10条

1 李洪林,沈建华,罗小民,沈旭,朱维良,王希诚,陈凯先,蒋华良;虚拟筛选与新药发现[J];生命科学;2005年02期

2 詹冬玲;韩葳葳;刘景圣;;角鲨烯合成酶抑制剂的高通量虚拟筛选[J];吉林大学学报(理学版);2012年02期

3 洪雪梅;林毅;张光亚;;蛋白质突变仿真&虚拟筛选系统的开发和应用[J];计算机与应用化学;2012年03期

4 张宏恺;常云松;杜明娟;张翠竹;曹又佳;;用分子对接搭建激酶-抑制剂复合物的三维结构[J];南开大学学报(自然科学版);2009年02期

5 谷万港;陈雪琴;张丽;张旋;;基于结构的CXCR4抑制剂的虚拟筛选[J];昆明医科大学学报;2014年09期

6 黄勇;陈晨;张志毅;童贻刚;赵勇;;Autodock Vina与Discovery Studio在虚拟筛选耐药蛋白抑制剂中的比较[J];生物信息学;2012年04期

7 孟成艳;金嘉琳;阮斐怡;雷建强;陈澍;张文宏;;布氏杆菌分子亚型分析方法的建立与应用研究[J];国际流行病学传染病学杂志;2006年05期

8 徐军;陈创夫;刘建平;张辉;王远志;盛金良;曹旭东;王端明;;巢式PCR检测乳中布氏杆菌[J];畜牧与兽医;2008年04期

9 欧燎原;谈志祥;何世成;黄建龙;张朝阳;鲁杏华;唐小明;汪洪冰;;羊布氏杆菌的分离与鉴定[J];中国畜牧兽医;2011年08期

10 何倩倪，袁燕，吐尔洪江，周文来，，谷登峰;牛布氏杆菌抗独特型抗体苗的保存期试验[J];草食家畜;1995年04期

中国重要会议论文全文数据库 前10条

1 田盛;侯廷军;;多构象并行虚拟筛选策略的构建和评估[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

2 侯廷军;;虚拟筛选中几种优化策略的研究[A];中国化学会第29届学术年会摘要集——第19分会：化学信息学与化学计量学[C];2014年

3 朱维良;;虚拟筛选策略的再探索[A];中国化学会第27届学术年会第15分会场摘要集[C];2010年

4 王希诚;李洪林;;药物分子虚拟筛选和靶向虚拟筛选方法[A];中国力学学会学术大会'2005论文摘要集（下）[C];2005年

5 刘艾林;;计算机辅助筛选技术[A];新观点新学说学术沙龙文集23：新药发现——寻找维护人类健康的武器[C];2008年

6 王立言;卢伟强;袁虎;张寿德;黄瑾;单磊;李洪林;;基于虚拟筛选的基质金属蛋白酶天然抑制剂的发现及优化[A];2011年全国药物化学学术会议——药物的源头创新论文摘要集[C];2011年

7 邓乾民;孙清;陈娟;时国庆;;高通量虚拟筛选植物源蛋白酶体抑制剂[A];中国药理学会第十次全国学术会议专刊[C];2009年

8 杨帆;刘艾林;;分子对接应用与研究进展[A];药学发展前沿论坛及药理学博士论坛论文集[C];2008年

9 李剑;张键;陈静;贵春山;柳红;沈旭;蒋华良;陈凯先;;亲环素A抑制剂的发现:综合运用基于结构的虚拟筛选,基于碎片的化合物库设计,化学合成和生物测试[A];“以岭医药杯”第八届全国青年药学工作者最新科研成果交流会论文集[C];2006年

10 初燕燕;陈显军;杨弋;唐峗;;虚拟筛选方法用于寻找Ero1p的小分子抑制剂[A];第十一届全国计算（机）化学学术会议论文摘要集[C];2011年

中国重要报纸全文数据库 前6条

1 刘春英;掌握理论技术 推进源头创新[N];中国医药报;2009年

2 叶依;养宠物当心布氏杆菌[N];健康时报;2007年

3 北京友谊医院 主任医师 王润华 北京房山中医医院 医师 王艳芳;防布氏杆菌 吃肉要熟勿贪“嫩”[N];中国医药报;2001年

4 北京兽药研究所 中青;牛布氏杆菌病诊断技术[N];中国畜牧水产报;2001年

5 江苏省农科院兽医所 王芳 林继煌;羊布氏杆菌病[N];江苏农业科技报;2005年

6 河北省畜牧兽医服务中心 王银钱;野猪布氏杆菌病的诊治[N];河北科技报;2006年

中国博士学位论文全文数据库 前10条

1 李明;基于分子对接的牛布氏杆菌苏氨酰tRNA合成酶新型抑制剂的虚拟筛选及活性验证[D];中国农业科学院;2017年

2 陈照强;卤键、碳氢活化偶联机理的量子化学计算及药物结合口袋的识别与应用研究[D];中国科学院大学(中国科学院上海药物研究所);2017年

3 康玲;药物分子对接优化模型与算法研究[D];大连理工大学;2009年

4 李洪林;药物发现及靶向虚拟筛选的算法与程序设计[D];大连理工大学;2005年

5 李正夫;药物分子对接优化算法及在云平台中的应用[D];大连理工大学;2014年

6 徐淑坦;基于多目标差分进化的分子对接算法研究[D];吉林大学;2015年

7 曹冉;基于受体结构的虚拟筛选在先导化合物发现中的应用[D];天津大学;2013年

8 李纯莲;药物设计中分子对接优化设计的算法和软件研究[D];大连理工大学;2004年

9 胡国平;虚拟筛选方法评价和靶向HIV-1整合酶与人类LEDGF/p75蛋白相互作用界面的抑制剂发现研究[D];华东理工大学;2012年

10 张娱;腈和苯酚与相关降解酶之间的分子对接研究[D];湖南大学;2014年

中国硕士学位论文全文数据库 前10条

1 李晓光;(S)-4-(2-氨基-2-苯乙酰氨基)-N-羟基苯甲酰胺结构修饰和初步抗肿瘤活性评价研究[D];山东大学;2015年

2 匡鸣;肝纤维化新靶标BRD4蛋白抑制机制研究与虚拟筛选[D];广东药科大学;2016年

3 杨森;中药方剂桃仁红花煎的计算药理学研究[D];郑州大学;2016年

4 卢玉林;新德里金属-β-内酰胺酶-1抑制剂的虚拟筛选[D];华中农业大学;2016年

5 马磊;嗅觉气味分子的GPCR靶标虚拟筛选及与金属卟啉环结合作用的量子化学计算[D];安徽医科大学;2015年

6 孙亮亮;特异性选择环氧化酶-2小分子的虚拟筛选、合成及其毒理学和药效学初步评价[D];安徽中医药大学;2016年

7 黄梦楠;α-葡萄糖苷酶抑制剂的虚拟筛选和分子动力学模拟[D];大连理工大学;2016年

8 王梦禹;基于机器学习的药物蛋白虚拟筛选方法研究[D];哈尔滨理工大学;2016年

9 陈文;基于失衡数据分类模型的药物蛋白质虚拟筛选方法[D];哈尔滨理工大学;2017年

10 许伟芳;HNE抑制剂的虚拟筛选与多肽的构象空间搜索研究[D];华中师范大学;2015年

本文编号：1270633