Nghiên cứu mô hình QSAR và mô hình mô tả phân tử docking của các chất ức chế enzym Histon Deacetylase 6

Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019 Nghiên cứu Y học<br /> <br /> <br /> NGHIÊN CỨU MÔ HÌNH QSAR VÀ MÔ HÌNH MÔ TẢ PHÂN TỬ<br /> DOCKING CỦA CÁC CHẤT ỨC CHẾ ENZYM HISTON DEACETYLASE 6<br /> Thái Khắc Minh*, Võ Thị Minh Nguyên*, Lê Minh Trí*<br /> <br /> TÓMTẮT<br /> Mở đầu: Histondeacetylase 6 (HDAC6) là enzym thuộc nhóm IIAC HDAC. Hoạt động của HDAC6<br /> có liên quan đến nhiều loại bệnh ung thư, Alzheimer, Parkinson và các bệnh tự miễn… HDAC6 là mục tiêu<br /> tiềm năng cho việc phát triển thuốc điều trị ung thư mới.<br /> Mục tiêu: Mô hình QSAR được sử dụng để phát triển các mô hình dự đoán và thiết kế các chất ức chế<br /> HDAC6 mới. Mô hình docking phân tử được áp dụng để dự đoán khả năng tương tác giữa các chất ức chế<br /> HDAC6 với vùng xúc tác của HDAC6.<br /> Đối tượng - Phương pháp nghiên cứu: Tổng cộng 268 chất có hoạt tính ức chế in vitro HDAC6 được<br /> thu thập và xây dựng mô hình QSAR, QSAR nhị phân (BQSAR) sử dụng phần mềm MOE. Hệ thống trực<br /> tuyến I-TASSER được sử dụng để tạo cấu trúc tương đồng của hai miền xúc tác CD I và CD II của<br /> HDAC6. Quá trình docking được tiến hành bằng FlexX/ LeadIT. Kết quả docking được phân tích dựa trên<br /> điểm số docking và mô hình tương tác.<br /> Kết quả: Mô hình QSAR 2D dựa trên 7 thông số mô tả trên 268 chất có kết quả R2 = 0,4 < 0,5 và<br /> RMSE = 0,9 > 0,5; kết quả này không đạt được cho một mô hình dự đoán tốt. Đối với 174 dẫn xuất<br /> hydroxamic, mô hình 2D QSAR với 7 thông số mô tả phân tử thu được R2 = 0,71 và RMSE = 0,58. Ba mô<br /> hình BQSAR dựa trên 7 thông số mô tả trên 268 chất được xây dựng và kết quả với giá trị chính xác lần<br /> lượt là 0,83; 0,84; 0,89 cho ngưỡng giá trị hoạt tính sinh học IC50 là 0,01 μM; 0,1 μM; 1 μM. Kết quả<br /> docking phân tử cho thấy khả năng gắn kết tốt của chất ức chế HDAC6 là vào vị trí gắn kết trên cấu trúc<br /> tương đồng của hai CD xúc tác I và CD II của HDAC6. Ion Zn2+ và các acid amin như Phe283, Trp284,<br /> Pro353, Tyr386 trong CD I và Phe620, Phe679, Phe680, Leu 749 trong CD II của HDAC6 rất quan trọng<br /> trong các chất ức chế gắn kết HDAC6.<br /> Kết luận: Các mô hình 2D QSAR, BQSAR của các chất ức chế HDAC6 được xây dựng và sử dụng để<br /> dự đoán các chết ức chế HDAC6 mới. Cấu trúc tương đồng đã được sử dụng để thực hiện các mô hình<br /> docking phân tử ở khoang trung tâm để xác định các acid amin quan trọng ở vùng gắn kết. Kết quả của<br /> nghiên cứu này có thể được sử dụng để xác định cấu trúc mới có khả năng ức chế mạnh HDAC6.<br /> Từ khóa: QSAR, QSAR nhị phân, docking, HDAC6, Histon deacetylase 6<br /> ABSTRACT<br /> QSAR AND MOLECULAR DOCKING STUDIES ON HISTONE DEACETYLASE 6 INHIBITORS<br /> Thai Khac Minh, Vo Thi Minh Nguyen, Le Minh Tri<br /> * Ho Chi Minh City Journal of Medicine * Supplement of Vol. 23 - No 2- 2019: 319 – 326<br /> <br /> Introduction: Histone deacetylase 6 (HDAC6) is a member of the class IIb HDAC family. HDAC6<br /> activity was associated to a variety of diseases including cancer, Alzheimer, Parkinson and autoimmune<br /> diseases… Therefore, HDAC6 was an interesting potential therapeutic target for new antitumor drug<br /> development.<br /> Objective: The QSAR modelings were used to develop prediction models and to design new HDAC6<br /> *<br /> Khoa Dược, Đại học Y Dược Thành phố Hồ Chí Minh<br /> Tác giả liên lạc: PGS. TS. Lê Minh Trí ĐT: 0903718190 Email: leminhtri1099@gmail.com<br /> <br /> Chuyên Đề Dược 319<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019<br /> <br /> inhibitors. Molecular docking approach was applied to give the insight interactions between HDAC6<br /> inhibitors with catalytic domains of HDAC6.<br /> Materials and methods: A total of 268 compounds with HDAC6 in vitro inhibitory activity was<br /> collected and carried out 2D QSAR, Binary QSAR (BQSAR) using MOE software. Online server I-<br /> TASSER was employed to create homology structures of two catalytic domains CD I and CD II of HDAC6.<br /> The docking procedure was carried out by FlexX/LeadIT. The results were subjected to analysis based on the<br /> combination of docking scores and interactive models.<br /> Results and discussion: 2D QSAR model based on 7 molecular descriptors and 268 compounds was<br /> built and resulted in R2 = 0.4 < 0.5 and RMSE = 0.9 > 0.5; the result was not achieved for a good predictive<br /> model. For 174 acid hydroxamic derivatives, 2D QSAR model based on 7 molecular descriptors was<br /> obtained with R2 = 0.71, RMSE = 0.58. Three BQSAR models based on 7 descriptors of 268 compounds were<br /> built and resulted in accuracy values of 0.83, 0.84, 0.89 for threshold values of 0.01 μM, 0.1 μM, 0.89,<br /> respectively. Molecular docking results indicated that good binding ability of HDAC6 inhibitors are into the<br /> binding site on homology structure at two catalytic CD I and CD II of HDAC6. Ion Zn2+ and amino acids<br /> such as Phe283, Trp284, Pro353, Tyr386 in CD I and Phe620, Phe 679, Phe680, Leu749 in CD II of<br /> HDAC6 are important in binding HDAC6 inhibitors.<br /> Conclusion: 2D QSAR, BQSAR models of HDAC6 inhibitors were developed and those models could<br /> be used for prediction new HDAC6 inhibitors. Homology structures were used to perform the molecular<br /> docking models at central cavity in order to find out important residues. The results of this study could be<br /> used for identifying new novel structures which have the stronger inhibitory of HDAC6.<br /> Key words: QSAR, Binary QSAR, docking, HDAC6, Histone deacetylase 6<br /> MỞĐẦU lượng lớn các dẫn chất; (ii) Nghiên cứu mô<br /> hình mô tả phân tử docking để tìm ra các đặc<br /> Ung thư là nguyên nhân gây tử vong hàng điểm cấu trúc quan trọng cho hoạt tính sinh<br /> đầu trên thế giới(8-10). Vì vậy việc tìm ra những học của các dẫn chất ức chế HDAC6, từ đó<br /> thuốc mới điều trị ung thư luôn là yêu cầu cấp<br /> đưa ra các đề xuất giúp định hướng quá trình<br /> bách. Với nhiều tiến bộ trong lĩnh vực sinh tổng hợp dẫn chất ức chế mới, làm cơ sở cho<br /> học phân tử, các enzym liên quan đến ung thư thiết kế thuốc có hiệu quả và giảm chi phí<br /> được phát hiện, xác định cấu trúc, vai trò sinh<br /> thực nghiệm.<br /> học. Trong đó enzym histone deacetylase<br /> (HDAC) được xem là mục tiêu tiềm năng để PHƯƠNGPHÁPNGHIÊNCỨU<br /> nghiên cứu phát triển thuốc ung thư mới(3). Cơ cở dữ liệu<br /> Hiện nay có 11 loại enzym HDAC đã được xác Tổng cộng 268 chất có hoạt tính ức chế<br /> định, và các chất ức chế enzym HDAC hiện HDAC6 thuộc các nhóm cấu trúc thuộc 19 bài<br /> nay đều không chọn lọc với những bất lợi khi báo khoa học, đơn vị tính hoạt tính ức chế là<br /> gây ra một số tác dụng phụ(1). Do đó yêu cầu micromol (µM), phương pháp xác định hoạt<br /> tìm ra chất ức chế đặc hiệu và chọn lọc HDAC tính sinh học là dựa vào thử nghiệm huỳnh<br /> là vấn đề được quan tâm nghiên cứu. Nghiên quang trên enzym HDAC6 tái tổ hợp(2,5,6,11-18).<br /> cứu mô hình QSAR và mô tả phân tử docking Do hoạt tính sinh học IC50 có khoảng chênh<br /> của các chất ức chế HDAC6 được tiến hành lệch với nhau nhiều nên được đổi thành pIC50<br /> với các mục tiêu sau: (i) Xây dựng mô hình với pIC50 = -lg(IC50) để phù hợp cho việc xây<br /> QSAR và QSAR nhị phân (BQSAR) dựa trên dựng phương trình tuyến tính liên quan cấu<br /> cơ sở dữ liệu các chất ức chế HDAC6 để ứng trúc – tác dụng. Trong nghiên cứu này, cơ sở<br /> dụng trong sàng lọc trên thư viện chứa số<br /> <br /> <br /> 320 Chuyên Đề Dược<br /> Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019 Nghiên cứu Y học<br /> <br /> dữ liệu được phân phối đa dạng thành tập xây đúng và chính xác của từng nhóm chất có<br /> dựng và tập kiểm tra theo tỷ lệ 80:20. Tập xây hoặc không có hoạt tính. Chỉ số GH càng gần<br /> dựng được sử dụng để xây dựng mô hình, tập giá trị 1, mô hình được đánh giá là càng tốt.<br /> kiểm tra được sử dụng để đánh giá khả năng Xây dựng mô hình phân tử docking<br /> dự đoán của mô hình.<br /> Mô hình sử dụng trong nghiên cứu là mô<br /> Xây dựng mô hình 2D-QSAR, BQSAR hình homology, không có ligand đồng kết tinh<br /> Quá trình xây dựng mô hình 2D QSAR và nên cần phải xác định vị trí khoang gắn kết<br /> BQSAR được tiến hành bằng phần mềm MOE bằng công cụ Site Finder trong MOE. Quá<br /> (www.chemcomp.com). Các thông số mô tả trình docking được tiến hành bằng FlexX/<br /> của tập xây dựng mô hình được loại thô để LeadIT (www.biosolveit.de). Kết quả docking<br /> loại các thông số không có ý nghĩa hoặc khiến được phân tích dựa trên điểm số docking và<br /> mô hình tốt giả tạo. Quá trình loại thô qua các mô hình tương tác. Kết quả docking được sử<br /> bước: loại các thông số có > 20% giá trị bằng 0 dụng để hỗ trợ việc tìm kiếm khoang gắn kết<br /> bằng phần mềm Excel 2010, loại các thông số phù hợp nhất.<br /> có độ lệch chuẩn bằng 0 bằng phần mềm KẾTQUẢ<br /> Rapid Miner 5 (rapidminer.com), loại nhóm<br /> thông số có hệ số tương quan với nhau ≥ 0,80 Mô hình 2D QSAR<br /> được loại bớt và chỉ giữ lại một thông số ngẫu Từ 184 thông số mô tả 2D trong MOE, 7<br /> nhiên bằng phần mềm Rapid Miner, sau đó, thông số mô tả được giữ lại sau khi lọc bằng<br /> các thông số này tiếp tục được xử lý bằng phần mềm Rapid Miner, Excel và Weka 3.6<br /> phần mềm Weka 3.6 gồm GCUT_PEOE_0, GCUT_SLOGP_0, a_nN,<br /> (www.cs.waikato.ac.nz/ml/weka) nhằm tìm ra balabanJ, PEOE_VSA-0, Q_RPC-, SMR_VSA3.<br /> các thông số có giá trị tương quan với giá trị Các thông số mô tả này dùng để xây dựng mô<br /> pIC50 thực nghiệm. Phương pháp được thực<br /> hình và 7 chất gây nhiễu được loại bỏ bằng<br /> hiện là phương pháp BestFirst của phần mềm<br /> phương pháp phân tích thành phần chính<br /> Weka. Tiến hành loại những chất có Z-score ><br /> (PCA) và cơ sở dữ liệu còn lại 261 chất. Kết<br /> 2,0 khi tiến hành khảo sát sơ bộ QSAR trên tập<br /> xây dựng. Mô hình 2D QSAR được xây dựng quả QSAR sơ bộ có giá trị R2 = 0,40; RMSE =<br /> dựa vào thuật toán bình phương tối thiểu từng 0,90 và mô hình QSAR này không đạt. Nghiên<br /> phần PLS và BQSAR dựa trên định lý Bayes cứu tiếp tục xây dựng mô hình 2D-QSAR trên<br /> trong phần mềm MOE(19). Ngoài các giá trị 174 dẫn chất hydroxamic có hoạt tính ức chế<br /> đánh giá thông thường, hệ số tương quan HDAC6 được thu thập từ 13 bài báo khoa học,<br /> Matthews (MCC) được sử dụng để đánh giá với giá trị IC50 từ 0,002 nM đến 21,50 µM. Tập<br /> mô hình phân loại nhị phân, nó thể hiện sự dữ liệu này được chia thành hai tập là tập xây<br /> tương quan giữa giá trị phân loại thực và dự dựng mô hình (80% số chất) và tập kiểm tra<br /> đoán(7-20). Hệ số này được sử dụng ngay cả khi (20% số chất) theo phương pháp phân chia đa<br /> các tập có kích thước khác nhau. MCC có giá dạng. Tập huấn luyện gồm 140 chất trong đó<br /> trị từ -1 đến +1, giá trị MCC càng lớn chứng tỏ có 18 chất gây nhiễu được loại ra gồm 4 chất<br /> khả năng dự đoán của mô hình càng cao.<br /> có giá trị thông số mô tả có độ lệch nằm ngoài<br /> Ngoài ra, điểm số GH cũng được sử dụng<br /> giá trị chung (phương pháp loại nhiễu bằng<br /> trong đánh giá mô hình phân loại. Điểm số<br /> PCA), 14 chất có giá trị z-score > 2,0 khi tiến<br /> GH là giá trị sử dụng đánh giá mức độ phân<br /> loại của mô hình trên từng phân nhóm hoạt hành khảo sát sơ bộ.<br /> tính và được tính bằng trung bình cộng của độ<br /> <br /> <br /> Chuyên Đề Dược 321<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019<br /> <br /> Mô hình QSAR trung gian xây dựng được giá ngoại được gộp chung để xây dựng mô<br /> có tương quan giữa pIC50 thực nghiệm và hình QSAR hoàn chỉnh với 7 thông số mô tả<br /> pIC50 dự đoán trên tập xây dựng là R2 = 0,67 đã được lựa chọn. Mô hình QSAR hoàn chỉnh<br /> (>0,5); RMSE = 0,61. Đánh giá chéo bỏ-1-ra sau khi xây dựng xong được tiến hành đánh<br /> (LOO) của mô hình QSAR trung gian đạt với giá bằng các giá trị RMSE < 0.5; R2> 0,5; Q2>0,4;<br /> giá trị RMSE = 0,65; Q2 = 0,63. Mô hình tiếp tục hệ số tương quan phù hợp CCC và đường giới<br /> đánh giá chéo bỏ-20%-ra (L-20%-O) cho kết hạn 95%. Kết quả đánh giá trên mô hình<br /> quả RMSE = 0,60; Q2 = 0,68. Mô hình được QSAR hoàn chỉnh từ toàn tập dữ liệu cho thấy<br /> đánh giá theo đánh giá Roy(20) và kết quả r2m = phương trình đạt mức độ tương quan cao (R2<br /> 0,55 và ∆r2m = 0,26. Các thông số đánh giá trên =0,71 > 0,5), không đạt ở sai số trung bình giữa<br /> tập huấn luyện được thể hiện trong bảng 1. giá trị thực nghiệm và giá trị dự đoán (RMSE =<br /> Kết quả đánh giá nội cho thấy phương trình 0,58 > 0,5) và trình bày ở Bảng 1. Theo đánh<br /> đạt mức độ tương quan (R2 > 0,5), tuy nhiên giá Roy, mô hình đạt ở giá trị ( = 0,59 ><br /> không đạt ở sai số trung bình giữa giá trị thực 0,5), không đạt ở giá trị ∆ (∆ = 0,24 < 0,2).<br /> nghiệm và giá trị dự đoán (RMSE = 0,61 > 0,5). Đánh giá thông qua hệ số tương quan phù<br /> Đánh giá Roy không đạt trên tập xây dựng ở hợp CCC = 0,83 khá gần với 0,85 là giá trị CCC<br /> giá trị ∆ cho thấy phương trình không phải lý tưởng cho một mô hình QSAR. Giá trị dự<br /> là phương trình tốt trong dự đoán. đoán của các chất hầu như đều nằm trong<br /> Mô hình QSAR trung gian được đánh giá khoảng 95% dự đoán đúng của mô hình (Hình<br /> ngoại trên tập kiểm tra gồm 34 chất không sử 1)(7). Kết quả đánh giá trên mô hình QSAR<br /> dụng xây dựng mô hình và kết quả thể hiện hoàn chỉnh từ toàn tập dữ liệu cho thấy<br /> trong bảng 1. Kết quả đánh giá ngoại cho thấy phương trình đạt mức độ tương quan cao (R2<br /> phương trình đạt mức độ tương quan (R2 =0,80 =0,71 > 0,5), không đạt ở sai số trung bình giữa<br /> > 0,5), tuy nhiên không đạt ở sai số trung bình giá trị thực nghiệm và giá trị dự đoán (RMSE =<br /> giữa giá trị thực nghiệm và giá trị dự đoán 0,58 > 0,5). Theo đánh giá Roy, mô hình đạt ở<br /> (RMSE = 0,52 > 0,5). Đánh giá Roy đạt ở cả hai giá trị ( = 0,59 > 0,5), không đạt ở giá trị<br /> thông số và ∆ Ngoài ra, đánh giá thông ∆ (∆ = 0,24 < 0,2). Đánh giá thông qua hệ<br /> qua hệ số tương quan phù hợp CCC = 0,86 > số tương quan phù hợp CCC = 0,83 khá gần<br /> 0,85 cho thấy phương trình có sự thống nhất với 0,85 là giá trị CCC lý tưởng cho một mô<br /> giữa giá trị thực nghiệm và các giá trị của tập hình QSAR. Giá trị dự đoán của các chất hầu<br /> kiểm tra. như đều nằm trong khoảng 95% dự đoán<br /> đúng của mô hình (Hình 1).<br /> Toàn bộ tập dữ liệu 156 chất bao gồm 122<br /> chất từ tập xây dựng và 34 chất từ tập đánh<br /> Bảng 1. Mô hình QSAR trung gian và hoàn chỉnh<br /> N N RMSE R<br /> 2<br /> Q<br /> 2 2 ∆ CCC<br /> rm<br /> Tập xây dựng 122 0,61 0,67 0,63 0,68 0,41 0,55 0,27 0,12<br /> <br /> Tập kiểm tra 34 0,52 0,80 0,80 0,43 0,71 0,18 0,86<br /> <br /> Toàn bộ 156 0,58 0,71 0,68 0,711 0.471 0,59 0.24 0,83<br /> Phương trình QSAR: pIC50 = 8,52471 – 3,61843*GCUT_SMR_1 + 0,81284*GCUT_SLOGP_2 -<br /> 0,82173*b_double – 2,44377*b_1rotN + 2,17552*a_nN + 0,69242*PEOE_VSA-0 + 1,23777 * PEOE_VSA-1 (N=156)<br /> <br /> <br /> <br /> 322 Chuyên Đề Dược<br /> Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019 Nghiên cứu Y học<br /> <br /> Mô hình BQSAR được xây dựng dựa vào 7<br /> thông số mô tả đã lọc từ tập dữ liệu ban đầu<br /> (GCUT_PEOE_0, GCUT_SLOGP_0, a_nN,<br /> balabanJ, PEOE_VSA-0, Q_RPC-, SMR_VSA3)<br /> trên 261 chất sau khi đã loại nhiễu bằng PCA.<br /> Nghiên cứu xây dựng 3 mô hình dựa trên 3<br /> ngưỡng phân loại chất có hoạt tính hoặc<br /> không hoạt tính là 0,01 µM (pIC50= 8); 0,1 µM<br /> (pIC50= 7) và 1,0 µM (pIC50 = 6). Giá trị<br /> ngưỡng phân loại khác nhau được xác định<br /> nhằm mục đích phân loại các chất có khả năng<br /> ức chế mạnh ở từng ngưỡng giá trị để tùy điều<br /> kiện sàng lọc mà áp dụng. Kết quả với giá trị<br /> Hình 1: Đồ thị tương quan giá trị pIC50 thực<br /> chính xác của 3 mô hình BQSAR lần lượt là<br /> nghiệm và pIC50 dự đoán từ mô hình QSAR hoàn<br /> 0,83; 0,84; 0,89 cho ngưỡng giá trị hoạt tính<br /> chỉnh của toàn tập dữ liệu dẫn xuất hydroxamic.<br /> sinh học là 0,01 µM; 0,1 µM; 1 µM và kết quả<br /> Mô hình QSAR nhị phân<br /> trình bày ở Bảng 2.<br /> Bảng 2: Kết quả các mô hình QSAR phân loại trên các chất ức chế HDAC6<br /> Mô hình I Mô hình II Mô hình III<br /> Ngưỡng IC50 = 0,01 µM Ngưỡng IC50 = 0,1 µM Ngưỡng IC50 = 1 µM<br /> Tập xây dựng 208 208 208<br /> (có hoạt tính/ không hoạt tính) (58/150) (102/106) (176/32)<br /> Độ đúng 0,85 0,86 0,89<br /> Độ đúng trên các chất có hoạt tính 0,74 0,84 0,94<br /> Độ đúng trên các chất không có hoạt tính 0,89 0,87 0,63<br /> Độ đúng khi đánh giá chéo LOO 0,83 0,84 0,87<br /> Độ đúng trên các chất có hoạt tính LOO 0,67 0,81 0,93<br /> Độ đúng trên các chất không có hoạt tính<br /> 0,89 0,86 0,53<br /> LOO<br /> Độ chính xác trên các chất có hoạt tính 0,73 0,86 0,93<br /> Độ chính xác trên các chất không có hoạt<br /> 0,90 0,84 0,65<br /> tính<br /> MCC 0,63 0,70 0,57<br /> GH trên các chất có hoạt tính 0,74 0,85 0,93<br /> GH trên các chất không có hoạt tính 0,90 0,85 0,64<br /> <br /> Tập kiểm tra 53 53 53<br /> (có hoạt tính/ không hoạt tính) (21/32) (34/19) (41/12)<br /> Độ đúng 0,75 0,91 0,77<br /> Độ đúng trên các chất có hoạt tính 0,86 0,94 0,78<br /> Độ đúng trên các chất không có hoạt tính 0,69 0,84 0,75<br /> Độ chính xác trên các chất có hoạt tính 0,65 0,91 0,91<br /> Độ chính xác trên các chất không có hoạt<br /> 0,88 0,89 0,5<br /> tính<br /> MCC 0,53 0,79 0,47<br /> GH trên các chất có hoạt tính 0,75 0,94 0,85<br /> GH trên các chất không có hoạt tính 0,78 0,87 0,63<br /> <br /> Toàn tập 261 261 261<br /> <br /> <br /> <br /> <br /> Chuyên Đề Dược 323<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019<br /> <br /> Mô hình I Mô hình II Mô hình III<br /> Ngưỡng IC50 = 0,01 µM Ngưỡng IC50 = 0,1 µM Ngưỡng IC50 = 1 µM<br /> (có hoạt tính/ không hoạt tính) (79/182) (136/125) (217/44)<br /> Độ đúng 0,83 0,84 0,89<br /> Độ đúng trên các chất có hoạt tính 0,77 0,81 0,94<br /> Độ đúng trên các chất không có hoạt tính 0,85 0,88 0,66<br /> Độ chính xác trên các chất có hoạt tính 0,69 0,88 0,93<br /> Độ chính xác trên các chất không có hoạt<br /> 0,89 0,81 0,67<br /> tính<br /> MCC 0,61 0,69 0,60<br /> GH trên các chất có hoạt tính 0,73 0,85 0,93<br /> GH trên các chất không có hoạt tính 0,87 0,84 0,67<br /> Mô hình mô tả phân tử docking acid amin và nguyên tố Zn2+. Nghiên cứu<br /> Vùng xúc tác deacetylase CD I và CD II sử dụng khoang A làm đối tượng nghiên<br /> lần lượt gồm 317 và 319 acid amin với vị trí cứu khả năng gắn kết của các chất ức chế<br /> từ acid amin từ 87-404 và 482-800 được tải lên HDAC6 nhờ gắn kết lên vùng xúc tác<br /> lên I-TASSER thứ nhất HDAC6 CD I. Khoang A được thể<br /> (https://zhanglab.ccmb.med.umich.edu/I- hiện là dang cầu ở hình 2A. Tương tự, có 14<br /> TASSER) để xây dựng mô hình protein dựa vị trí có tiềm năng trở thành vị trí gắn kết<br /> vào kỹ thuật mô tả tính tương đồng. trên HDAC6 CD II được sắp xếp theo thứ<br /> Enzym HDAC6 là enzyme deacetylase phụ tự ưu tiên giảm dần. Trong đó, khoang thứ<br /> thuộc kẽm, do đó nguyên tố kẽm rất quan 10 (tạm gọi là khoang B) được cấu thành<br /> trọng trong hoạt tính, bằng kỹ thuật gióng chủ yếu bởi 14 acid amin và nguyên tố<br /> hàng trên phần mềm Sybyl, nguyên tố Zn Zn 2+ . Nghiên cứu sử dụng khoang B làm<br /> được định vị vào HDAC6 CD I và HDAC6 đối tượng nghiên cứu khả năng gắn kết của<br /> CD II nhờ gióng hai mô hình homology các chất ức chế lên HDAC6 nhờ gắn kết lên<br /> trên với cấu trúc 2VQJ của HDAC4 (2VQJ vùng xúc tác HDAC6 CD II. Khoang B được<br /> là mẫu protein tốt nhất mà I-TASSER đã sử thể hiện là dạng cầu trên hình 2B.<br /> dụng khi xây dựng homology cho hai vùng Tiến hành đánh giá mối tương quan<br /> xúc tác của HDAC6). Sau đó, hai mô hình giữa điểm số docking trên HDAC6 CD I với<br /> đầu tiên này sẽ được sử dụng để thực hiện giá trị pIC50 của 268 chất và điểm số<br /> docking. Hình 2 minh họa mô hình docking trên HDAC6 CD II với giá trị<br /> homology Model 1 của HDAC6 CD I và CD pIC50 của 264 chất (trừ 4 chất không dock<br /> II được xây dựng bằng I-TASSER. Công cụ được vào khoang B của HDAC6 CD II). Kết<br /> Site Finder của MOE đã đề nghị 32 vị trí có quả phân tích từ đồ thị tương quan cho<br /> tiềm năng trở thành vị trí gắn kết trên thấy điểm số docking tại hai vùng xúc tác<br /> HDAC6 CD I được sắp xếp theo thứ tự ưu CD I và CD II của HDAC6 có mối tương<br /> tiên giảm dần. Trong đó, khoang thứ 2 (tạm quan thấp đối với pIC50 (R2 < 0,5) lần lượt là<br /> gọi là khoang A) được cấu thành bởi 15 0,32 và 0,22.<br /> <br /> <br /> <br /> <br /> 324 Chuyên Đề Dược<br /> Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019 Nghiên cứu Y học<br /> <br /> <br /> <br /> <br /> (A) (B)<br /> Hình 2: Mô hình homology được xây dựng bằng I-TASSER và vị trí khoang gắn kết được đề nghị bởi Site Finder<br /> của HDAC6 CD I (A) và HDAC6 CD II (B).<br /> BÀNLUẬN cũng quan trọng trong tham gia gắn kết với<br /> chất ức chế. Những mô hình này được sử<br /> Nghiên cứu đã xây dựng được ba mô hình<br /> dụng để sàng lọc dữ liệu các chất tự nhiên<br /> BQSAR phân loại các chất có tác động ức chế<br /> Trung Hoa (TCM)(4) và thu được 13 chất với<br /> enzym HDAC6. Mô hình I với ngưỡng hoạt<br /> IC50 < 0,1. Kết quả sàng lọc không trình bày chi<br /> tính sinh học 0,01 µM, độ đúng 0,85. Mô hình tiết trong báo cáo này.<br /> II với ngưỡng hoạt tính sinh học 0,1 µM, độ<br /> đúng 0,86. Mô hình III với ngưỡng hoạt tính 1 KẾT LUẬN<br /> µM, độ đúng 0,89. Nghiên cứu chưa thành Ức chế HDAC nói chung hay HDAC6<br /> công trong việc xây dựng mô hình 2D QSAR nói riêng là mục tiêu trong tìm ra thuốc mới<br /> dựa trên thuật toán bình phương tối thiểu điều trị ung thư. Các mô hình 2D QSAR,<br /> từng phần đối với toàn bộ tập cơ sở dữ liệu. BQSAR của các chất ức chế HDAC6 được<br /> Trên nhóm dẫn xuất hydroxamic, nghiên cứu xây dựng và sử dụng để dự đoán các chết ức<br /> đã xây dựng được mô hình 2D QSAR có thể chế HDAC6 mới. Cấu trúc tương đồng đã<br /> dùng để dự đoán chất có hoạt tính ức chế được sử dụng để thực hiện các mô hình<br /> HDAC6, góp phần vào quá trình sàng lọc ảo docking phân tử ở khoang trung tâm để xác<br /> để tìm ra thuốc mới. định các acid amin quan trọng ở vùng gắn<br /> Mô hình homology của hai vùng xúc tác kết. Kết quả của nghiên cứu này có thể được<br /> HDAC6 CD I và CD II được xây dựng từ trình sử dụng để xác định cấu trúc mới có khả<br /> tự acid amin dựa trên kỹ thuật mô tả tính năng ức chế mạnh HDAC6.<br /> tương đồng của sever tự động I-TASSER. Mô Lời cảm ơn: Nghiên cứu này được tài trợ bởi Quỹ Phát triển<br /> hình này được áp dụng để tiến hành docking khoa học và công nghệ Quốc gia (NAFOSTED) trong đề tài<br /> mã số 106-YS.05-2015.31 (Thái Khắc Minh).<br /> với các chất có hoạt tính ức chế với khoang<br /> gắn kết được giả định trước. Kết quả docking TÀILIỆUTHAMKHẢO<br /> cho thấy các chất này có ái lực gắn kết cao với 1. Aldana-Masangkay GI, Sakamoto KM (2010). The Role of<br /> HDAC6 in Cancer. J Biomed Biotech, 2011: pp.875824.<br /> khoang trung tâm ở cả hai vùng xúc tác. 2. Butler KV, Kalin J, Brochier C, Vistoli G, Langley B,<br /> Nguyên tố Zn2+ ở đáy khoang xúc tác và vị trí Kozikowski AP (2010). Rational design and simple<br /> gắn kết quan trọng quyết định hoạt tính sinh chemistry yield a superior, neuroprotective HDAC6<br /> Inhibitor, Tubastatin A. J Am Chem Soc, 132: pp.10842–10846.<br /> học, ngoài ra các acid amin như Phe283, 3. Carugo O (2007). Detailed estimation of bioinformatics<br /> Trp284, Pro352, Lys353, Tyr386 ở khoang A và prediction reliability through the Fragmented Prediction<br /> Phe620, Phe679, Phe680, Leu749 ở khoang B Performance Plots. BMC Bioinformatics, 8: pp.380.<br /> <br /> <br /> <br /> <br /> Chuyên Đề Dược 325<br /> Nghiên cứu Y học Y Học TP. Hồ Chí Minh * Phụ Bản Tập 23 * Số 2 * 2019<br /> <br /> 4. Chen C (2011). TCM Database@Taiwan: The World’s 14. Itoh Y, Suzuki T, Kouketsu A, Suzuki N, Maeda S, Yoshida<br /> Largest Traditional Chinese Medicine Database for Drug M, Nakagawa H, Miyata N (2007). Design, synthesis,<br /> Screening In Silico. PlotS ONE, 6: pp.e15939. structure-selectivity relationship, and effect on human<br /> 5. Chen PC, Patil V, Guerrant W, Green P, Oyelere AK (2008). cancer cells of a novel series of histone deacetylase 6-<br /> Synthesis and structure-activity relationship os histone selective inhibitors. J Med Chem, 50: pp.5425-5438.<br /> deacetylase (HDAC) inhibitors with triazole-linked cap 15. Jones P, Bottomley MJ, Carfí A, Cecchetti O, Ferrigno F,<br /> group. Bioorg Med Chem, 16: pp.4839-4853. Surdo P. L, Ontoria J. M, Rowley M, Scarpelli R,<br /> 6. Chen Y, Lopez-Sanchez M, Savoy DN, Billadeau DD, Dow Fademrecht CS, Steinkȕ hler C (2008). 2-<br /> GS, Kozikowski AP (2008). A Series of potent and selective, Trifluoroacetylthiophenes, a novel series of potent and<br /> triazolylphenyl-based histone deacetylases inhibitors with selective class II histone deacetylase inhibitors. Bioorg<br /> activity against pancreatic cancer cells and Plasmodium Med Chem Lett, 18: pp.3456-3461.<br /> falciparum. J Med Chem, 51: pp.3437–3448. 16. Kalin JH, Butler KV, Akimova T, Hancock WW, Kozikowski<br /> 7. Chirico N, Gramatica P (2012). Real External Predictivity of AP (2012). Second-generation histone deacetylase 6<br /> QSAR Models. Part 2. New Intercomparable Thresholds for inhibitors enhance the immunosuppressive effects of Foxp3+<br /> Different Validation Criteria and the Need for Scatter Plot T-Regulatory cells. J Med Chem,55: pp.639-651.<br /> Inspection. J Chem Inform Model, 52: pp.2044-2058. 17. Kozikowski AP, Chen Y, Gaysin AM, Savoy DN, Billadeau<br /> 8. Egger G, Liang G, Aparicio A, Jones PA (2004). Epigenetics DD, Kim KH (2008). Chemistry, Biology, and QSAR Studies<br /> in human disease and prospects for epigenetic therapy. of Substituted Biaryl Hydroxamates and<br /> Nature, 429: pp.457-463. Mercaptoacetamides as HDAC inhibitors Nanomolar<br /> 9. Ferlay J, Soerjomataram I, Dikshit R, Eser S, Mathers C, Potency Inhibitors of Pancreatic Cancer Cell Growth.<br /> Rebelo M, Bray F (2015). Cancer incidence and mortality ChemMedChem, 3(3), pp.487-501.<br /> worldwide: sources, methods and major patterns in 18. Kozikowski AP, Tapadar S, Luchini DN, Kim KH, Billadeau<br /> GLOBOCAN 2012. Inter J Cancer, 136: pp.E359-E386. DD (2008). Use of the nitrile oxide cycloaddition (NOC)<br /> 10. Greer JM, McCombe PA (2012). The role of epigenetic reaction for molecular probe generation: A new class of<br /> mechanisms and processes in autoimmune disorders. enzyme selective histone deacetylase inhibitors (HDACIs)<br /> Biologics: targets therapy, 6: pp.307-327. showing picomolar activity at HDAC6. J Med Chem, 51:<br /> 11. Guandalini L, Balliu M, Cellai C, Martino MV, Nebbioso A, pp.4370–4373.<br /> Mercurio C, Carafa V, Bartolucci G, Dei S, Manetti D, 19. Labute P (1999). Binary QSAR: a new method for the<br /> Teodori E, Scapecchi S, Altucci L, Paoletti F, Romanelli MN determination of quatitative structure activity relationships.<br /> (2013). Design, synthesis and preliminary evaluation of a Pacific Symp. Biocomput, 4: pp.444-455.<br /> series of histone deacetylase inhibitors carrying a 20. Ojha PK, Mitra I, Das RN, Roy K (2011). Further exploring<br /> benzodiazepine ring. Eur J Med Chem, 66: pp.56-68. rm2 metrics for validation of QSPR models. Chemomet Intell<br /> 12. He R, Chen Y, Chen Y, Ougolkov AV, Zhang JS, Savoy DN, Lab Sys, 107: pp.194-205.<br /> Billadeau DD, Kozikowski AP (2010). Synthesis and<br /> Biological Evaluation of Triazol-4-ylphenyl-Bearing Histone<br /> Deacetylase Inhibitors as Anticancer Agents. J Med Chem, 53: Ngày nhận bài báo: 18/10/2018<br /> pp.1347-1356. Ngày phản biện nhận xét bài báo: 01/11/2018<br /> 13. Hideshima T, Bradner JE, Wong J, Chauhan D, Richardson<br /> P, Schreiber S. L, Anderson KC (2005). Small-molecule Ngày bài báo được đăng: 15/03/2019<br /> inhibition of proteasome and aggresome function<br /> inducessynergistic antitumor activity in multiple myeloma.<br /> Proc Nat Acad Scie USA, 102: pp.8567–8572.<br /> <br /> <br /> <br /> <br /> 326 Chuyên Đề Dược<br />