3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-QSAR,3D-Q-Q-Q-Q-Q-R

科学领域:

• 生物化学和分子生物学
• 药用化学 医学化学
• 计算化学计算化学

背景情况:

• 突变异位酸脱酶1 (mIDH1) 在各种癌症中过度表达,导致细胞呼吸.
• 现有的mIDH1抑制剂,如ivosidenib (AG-120) 经常面临耐药性,需要新的治疗策略.

研究的目的:

• 使用3D-QSAR,脚手架跳跃,ADME预测和MD模拟来设计新的mIDH1抑制剂.
• 探索二衍生物作为潜在的mIDH1抑制剂.
• 为开发有效的mIDH1向癌症疗法提供理论指导.

主要方法:

• 使用比较分子场分析 (CoMFA) 和比较分子相似度指数分析 (CoMSIA) 的三维定量结构-活动关系 (3D-QSAR) 建模.
• 脚手架跳跃技术用于生成新型化学结构.
• 吸收,分布,新陈代谢,分泌 (ADME) 属性的预测.
• 分子动力学 (MD) 模拟以评估结合相互作用和稳定性.

主要成果:

• 3D-QSAR模型 (CoMFA:R2=0.980,Q2=0.765;CoMSIA:R2=0.997,Q2=0.770) 展示了重要的预测能力.
• 设计了新的mIDH1抑制器结构,其中的C3,C6和C9化合物显示出高预测的pIC50值.
• MD模拟确定了具有强大的结合相互作用的强效抑制剂;C2化合物表现出最高的结合自由能量 (-93.25 ± 5.20 kcal / mol).

结论:

• 该研究成功设计了具有潜在治疗价值的新型mIDH1抑制剂.
• 计算方法,包括3D-QSAR和MD模拟,对于指导mIDH1抑制剂的合理设计是有效的.
• 这些发现为开发下一代mIDH1向癌症治疗提供了理论基础.