药效团建模和3D QSAR
识别负责α-葡萄糖苷酶抑制的必需药效团特征并建立预测模型。
使用64个文献报道的α-葡萄糖苷酶抑制剂建立数据集，分为训练集（47个）和测试集（17个），使用PHASE模块生成12个药效团假设，选择AADRR_1模型，并进行3D QSAR分析。
关于丁香通
公司信息
个人用户
企业机构
无忧采购 轻松科研
- 移动端
基于喹啉的席夫碱作为潜在抗糖尿病药物：基于配体的药效团建模、3D QSAR、对接和分子动力学模拟研究
Quinoline-based Schiff bases as possible antidiabetic agents: ligand-based pharmacophore modeling, 3D QSAR, docking, and molecular dynamics simulations study.
实验完整度
高研究包含多层级验证：体外酶抑制活性测定、酶动力学研究、细胞毒性实验、分子对接、MD模拟、MM/GBSA和DFT计算，以及ADMET预测，证据充分。
主要模型
L929小鼠成纤维细胞系 α-葡萄糖苷酶酶学模型 α-淀粉酶酶学模型
重点核对
α-葡萄糖苷酶抑制IC50值（如6c为12.95±2.35 μM） α-淀粉酶抑制IC50值（如6b为29.36±3.24 μM） L929细胞系MTT细胞毒性实验（125和250 μg/mL浓度） 分子对接结合亲和力（Glide score和glide energy） 200 ns MD模拟的RMSD和RMSF稳定性
摘要
α-葡萄糖苷酶抑制是治疗2型糖尿病的合理方法，因为它能够控制餐后高血糖。为此，文献检索确定了基于喹啉的分子作为潜在的α-葡萄糖苷酶抑制剂。因此，我们的方法是识别负责α-葡萄糖苷酶抑制的药效团特征。通过进行基于配体的药效团建模、3D QSAR模型开发、基于药效团筛选合理设计的喹啉基苯甲酰肼席夫碱库，并鉴定、合成和表征分子（6a–6j），通过IR、(1H和13C) NMR和质谱研究实现。进一步评估了这些分子对α-葡萄糖苷酶和α-淀粉酶的抑制潜力。发现化合物6c抑制α-葡萄糖苷酶，IC50值为12.95 ± 2.35 μM。类似地，化合物6b的IC50值为19.37 ± 0.96 μM，而阿卡波糖为32.63 ± 1.07 μM；化合物6b和6c的抑制动力学揭示了一种竞争性抑制类型；抑制效应可归因于其映射的药效团特征和模型验证，生存评分为5.0697，向量评分为0.9552。QSAR模型显示出强相关性，R2值为0.96。所有化合物（6a–6j）在L929细胞系中通过MTT测定法显示出无毒性。此外，使用分子对接研究和MD轨迹分析评估了分子的结合方向和稳定性。分别使用MM/GBSA和DFT计算评估了分子与蛋白质复合物及单独分子的能量分布；最后，使用ADMET分析计算了药代动力学特征。α-葡萄糖苷酶抑制是治疗2型糖尿病的合理方法，因为它能够控制餐后高血糖。
实验结论
提炼研究问题、关键发现与证据，快速把握文章的核心贡献。
- 研究问题
- 设计并合成喹啉基苯甲酰肼席夫碱衍生物，评估其作为α-葡萄糖苷酶和α-淀粉酶抑制剂的潜力，用于治疗2型糖尿病。
- 核心机制
- 化合物6b和6c通过竞争性抑制α-葡萄糖苷酶活性，其药效团特征包括两个氢键受体、一个氢键供体和两个芳香环，通过与酶活性位点残基（如LYS 155、PHE 311、PHE 157）形成氢键和π-π堆积相互作用。
- 主要证据
- 体外酶抑制实验显示6b和6c对α-葡萄糖苷酶有显著抑制活性（IC50分别为19.37±0.96 μM和12.95±2.35 μM），酶动力学研究证实为竞争性抑制；分子对接和MD模拟支持其稳定结合。
- 研究意义
- 化合物6b和6c被确定为抗糖尿病药物开发的先导化合物，为设计新型α-葡萄糖苷酶抑制剂提供了基础。
研究路径
按研究推进顺序梳理实验设计、验证步骤与关键观察。
药效团模型验证和虚拟筛选
验证药效团模型的区分能力并筛选设计的化合物库。
使用包含10个设计分子和1000个诱饵分子的数据集进行筛选，计算富集因子和ROC曲线等指标。
化合物合成与表征
合成筛选出的化合物并进行结构确认。
通过4-((7-氯喹啉-4-基)氨基)苯甲酰肼与不同芳香醛反应合成席夫碱，并利用NMR、IR和质谱进行表征。
体外酶抑制活性测定
评估合成化合物对α-葡萄糖苷酶和α-淀粉酶的抑制活性。
使用比色法测定化合物的α-葡萄糖苷酶和α-淀粉酶抑制活性，计算IC50值。
酶动力学研究
确定最活性化合物6b和6c的抑制机制。
通过Lineweaver-Burk图分析不同浓度底物和抑制剂下的酶反应速度，确定抑制类型和Ki值。
细胞毒性实验
评估合成化合物的安全性。
使用MTT法在L929小鼠成纤维细胞系中评估化合物的细胞毒性。
分子对接研究
预测化合物与α-葡萄糖苷酶和α-淀粉酶的结合模式和亲和力。
使用Glide模块的XP模式将所有化合物对接到通过同源建模和晶体结构制备的蛋白质中。
分子动力学模拟
评估最佳化合物（6b和6c）与α-葡萄糖苷酶复合物的稳定性。
运行200 ns的MD模拟，分析RMSD、RMSF、氢键接触和配体性质。
DFT计算
计算合成化合物的电子性质以理解反应性和稳定性。
对化合物进行几何优化并计算HOMO、LUMO能隙、MEP等量子化学参数。
ADMET预测
预测合成化合物的药代动力学性质。
使用Qikprop模块预测ADMET性质，包括分子量、氢键供体/受体、LogP、渗透性等。
研究方法
按研究目的归类文中使用的方法，便于定位所需技术。
产品清单
| 实验环节 | 名称 | 品牌 | 货号 |
|---|---|---|---|
| 化合物合成 | 苯佐卡因 | HiMedia Laboratories Pvt. Ltd. | -- |
| α-葡萄糖苷酶抑制测定 | α-葡萄糖苷酶检测试剂盒 | Biorbyt | -- |
| α-淀粉酶抑制测定 | α-淀粉酶检测试剂盒 | Elabscience | -- |
| NMR | 核磁共振波谱仪 | Bruker | -- |
| 核磁共振波谱仪 | JEOL | -- | |
| 质谱 | 液质联用 | Shimadzu | -- |
| FTIR | 红外光谱仪 | Shimadzu | -- |
关键环节
汇总复现实验时建议重点确认的条件及原文阅读提示。
| 环节 | 核对要点 |
|---|---|
| 药效团建模和3D QSAR | 训练集和测试集分子（47/17）的划分，药效团特征（氢键受体、供体、芳香环）和QSAR参数（R2, Q2, Pearson's r） 阅读提示：Methods部分"Molecular dataset: selection and preparation"和"Generation of pharmacophore hypotheses" |
| 合成化合物6a-6j | 反应条件：4-((7-氯喹啉-4-基)氨基)苯甲酰肼（50 mmol）与芳香醛（50 mmol）在甲醇中回流，用冰醋酸催化，75°C反应24小时 阅读提示：Experimental部分"General procedure for the synthesis of compounds 6a–6j" |
| α-葡萄糖苷酶抑制测定 | 缓冲液（磷酸钾，pH 6.8）、底物（p-硝基苯基-α-D-吡喃葡萄糖苷，5 mM）、样品浓度（5 mg/mL DMSO溶液），孵育时间和检测波长405 nm 阅读提示：Methods部分"α-Glucosidase inhibition assay" |
| α-淀粉酶抑制测定 | 底物淀粉溶液（1%）、反应时间（25分钟），终止剂DNSA，检测波长549 nm 阅读提示：Methods部分"α-Amylase inhibition assay" |
| 分子对接 | 蛋白质结构（α-葡萄糖苷酶同源模型，模板PDB 3A47；α-淀粉酶PDB 4W93），对接模式（Glide XP），标准配体（阿卡波糖） 阅读提示：Methods部分"Molecular docking studies" |