НАПРАВЛЕННЫЙ ПОИСК НОВЫХ АНТИОКСИДАНТНЫХ СОЕДИНЕНИЙ МЕТОДАМИ IN SILICO И IN VITRO
- Авторы: Косолапов В.А.1, Сороцкий Д.В1, Васильев П.М1, Жуковская О.Н2, Анисимова В.А2
-
Учреждения:
- ФГБОУ ВО «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации
- НИИ физической и органической химии Южного федерального университета
- Выпуск: Том 15, № 3 (2018)
- Страницы: 24-27
- Раздел: Статьи
- URL: https://journals.eco-vector.com/1994-9480/article/view/119272
- DOI: https://doi.org/10.19163/1994-9480-2018-3(67)-24-27
- ID: 119272
Цитировать
Полный текст
Аннотация
Ключевые слова
Полный текст
Antioxidants, lipid peroxidation, free radicals, in silico, computer prognosis Перекисное окисление липидов (ПОЛ) одно из звеньев патогенеза более чем 200 заболеваний и патологических состояний. Оксидативный стресс имеет большое значение в развитии сердечно-сосудистых патологий, хронических заболеваний печени, нейроде-генеративных, инфекционных и ряда других свободнорадикальных патологий патологий [7]. Особо чувствительны к окислительному стрессу ткани головного мозга в силу высокого потребления кислорода и особенностей состава вещества мозга - наиболее высокое содержание фосфолипидов, полиненасыщенных жирных кислот, ионов двухвалентного железа и низкое содержание антиоксидантных витаминов, низкая плотность глутатионпероксидазы и почти полное отсутствие каталазы [4]. Избыточная продукция свободных радикалов кислорода и азота играет ключевую роль при ишемических и поражениях с образованием гидроксильных радикалов, которые преимущественно и вызывают окисление липидов, белков и ДНК с дальнейшим повреждением тканей мозга [4, 8]. Все это делает актуальным поиск новых антиоксидантных соединений с высокой активностью. Использование методов in silico для поиска новых лекарственных веществ позволяет экономить время на поиск новых активных соединений, и существенно снизить затраты на разработку эффективных лекарственных средств [12]. Особо интенсивно развиваются консенсусные подходы к прогнозу [9], основанные на обобщении результатов, полученных с помощью не скольких QSAR-зависимостей. Методы компьютерного прогноза широко применяются и при поиске новых антиоксидантных соединений [10]. ЦЕЛЬ РАБОТЫ Оптимизация поиска новых антиоксидантных соединений с использованием методов in silico и изучением перспективных соединений in vitro. МЕТОДИКА ИССЛЕДОВАНИЙ В ходе работы была создана оригинальная верифицированная база данных по химической структуре и уровню активности антиоксидантных веществ ингибиторов свободно-радикальных процессов среди производных конденсированных азолов, изученных в лаборатории фармакологии антиоксидантных средств НИИ фармакологии ВолгГМУ до 2014 г. [1, 2, 5]. Формирование базы данных было выполнено с помощью СУБД ИТ «Микрокосм» [3]. Для прогноза in silico антиоксидантной активности были выбраны 1231 соединение из ряда конденсированных азолов из банка субстанций кафедры фармакологии ВолгГМУ, синтезированных в НИИ физической и органической химии ЮФУ, г. Ростов-на-Дону, ранее не изучавшихся на антиоксидантную активность. Прогноз антиоксидантной активности у новых соединений in silico был выполнен с помощью модуля TestSim программного комплекса ИТ «Микрокосм» [3] методом сходства к 11 активным референсным ан-тиоксидантным соединениям из созданного банка хи- 24 Выпуск 3 (67). 2018 мических структур с изученной антиоксидантной активностью. Для каждого нового соединения рассчитывалось среднее значение модифицированного коэффициента 2D-сфуктурноro сходства Танимото (общий коэффициент сходства (ОКС)) [11] к 11 референсным соединениям (эталонам), отобранным из верифицированной базы данных по химической структуре и уровню активности антиоксидантных веществ ингибиторов свободно-радикальных процессов. О возможном наличии антиоксидантной активности у новых соединений судили по степени сходства к референсным соединениям. При прогнозе рагачи-тывались средние значения общего коэффициента сходства по 11 типам QL-дескрипторов и разделялись на 3 основные группы: Max.E = 0,4100 (максимальное среднее); Med.E = 0,3632 (общее среднее); Min.E = 0,3248 (минимальное среднее). Далее, соединениям условно присваивался индекс принадлежности в зависимости от значений ОКС, если значение ОКС > Max.E, то присваивался индекс 3; если Max.E > ОКС > Med.E присваивался индекс 2; если Med.E > ОКС > Min.E присваивался индекс 1 ; если ОКС < Min.E то присваивался индекс 0. Чем выше индекс принадлежности, тем соединение имеет большее сходство к эталонным соединениями. Антиоксидантную активность in vitro новых веществ изучали на модели аскорбат-зависимого пере-кисного окисления липидов (ПОЛ) [6]. В качестве субстрата использовали 4%-й гомогенат печени крыс. Гомогенат получали в гомогенизаторе Поттера стеклянном с электрическим приводом МШ-2 (Россия) в 0,1 моль/л трис-НС!-буфере рН 7,4. Реакцию инициировали 50 мМ аскорбиновой кислоты (Chemapol, Чехия), и пробы инкубировались в течение 15 мин в бане серологической СБ-СЛ-01М (Россия) при t 37 °C. Реакцию останавливали 50%-м раствором трихлоруксусной кислоты (Россия), и пробы центрифугировали 15 мин при 3000 об./ мин на центрифуге Elmi СМ-6МТ (Латвия). К надоса-дочной жидкости добавляли 0,8%-й раствор 2-тиобар-битуровой кислоты (Диа-М, Россия), и пробы кипятились 10 мин на водяной бане. Скорость ПОЛ определяли по накоплению малонового диальдегида в реакции с тиобарбитуровой кислотой. Оптическую плотность окрашенного продукта измеряли при длине волны 532 нм на спектрофотометре PD-303 UV (APEL, Япония) в кювете с длиной оптического пути 10 мм. Активность веществ рассчитывали по формуле x = 100-^оп/ Eконтр*100). Вещества изучались в концентрации 1 х 10-6 моль/л. Вещества, проявившие высокий уровень активности, изучались в широком диапазоне молярных концентраций, и для них рассчитывали величину ИК^ (концентрация, ингибирующая реакцию на 50 %) методом линейного уравнения регрессии. В качестве препаратов сравнения использовали субстанции водорастворимого антиоксиданта тролокса (6-гидрокси-2,5,7,8-тетраметилхроман-2-карбоновая кислота, CAS 53188-07-1) (Fluka, Швейцария), и цереброп-ротектора с антиоксидантными свойствами мексидола (2-этил-6-метил-3-гидроксипиридина сукцинат) (ООО «НПК «ФАРМАСОФТ», Россия). Обработка результатов выполнялась в программе Microsoft Excel (Microsoft, США) с расчетом базовых статистических показателей: среднего арифметического M, стандартной ошибки среднего арифметического m. ИК50 (концентрация, ингибирующая реакцию на 50 %) рассчитывался в программе Microsoft Excel (Microsoft, США) методом уравнения линейной регрессии и парного коэффициента корреляции (R2) по трем парам значений (LgC; D%). Статистическая обработка проводилась с применением парного t-критерия Стью-дента в программе Statistica 10.0 (StatSoft, США). РЕЗУЛЬТАТЫ ИССЛЕДОВАНИЯ И ИХ ОБСУЖДЕНИЕ С помощью СУБД ИТ «Микрокосм» [3] была сформирована и верифицирована база данных оригинальных веществ производных конденсированных азолов, и был проведен прогноз по сходству к эталонам. По результатам прогноза антиоксидантной активности 1231 соединений была сформирована выборка из 240 соединений с высоким коэффициентом сходства с эталонными антиоксидантными веществами. Среди них было выявлено 97 соединений с индексом ОКС «3» и 142 соединения с индексом ОКС «2». Из них для экспериментального изучения были выбраны 29 соединений (табл. 1). Таблица 1 Антиоксидантная активность соединений в концентрации 1*10-6 моль/л, %инг. (M± m) № Шифр Активность, % инг. 1. RU-210 42,03 ± 4,89*# 2. RU-179 32,87 ± 3,54*# 3. RU-31 28,41 ± 3,67*# 4. RU-704 24,58 ± 2,46*# 5. RU-64 22,89 ± 3,21*# 6. RU-636 21,36 ± 1,49*# 7. RDMA-5 19,15 ± 3,67*# 8. RDMA-1 13,22 ± 2,65* 9. RU-708 9,87 ± 3,56 10. RU-630 9,00 ± 4,87 11. RU-870x 8,98 ± 2,48 12. RU-709 7,62 ± 3,65 13. RU-696 7,38 ± 2,35 14. RU-694 6,78 ± 1,89 15. RU-700 4,32 ± 1,39 16. RU-631 4,05 ± 2,62 17. RU-30 4,01 ± 1,57 18. RU-638 3,80 ± 2,45 19. RU-692 3,57 ± 0,98 20. RU-629 3,43 ± 1,24 21. RU-707 2,69 ± 1,32 Выпуск 3 (67). 2018 25 ЩШгорСз [ЩсмеТКЩ Окончание таблицы 1 № Шифр Активность, % инг. 22. RU-693 2,52 ± 0,98 23. RU-639 2,24 ± 01,45 24. RU-691 0,30 ± 0,12 25. RU-701 0 26. RU-1202 0 27. RU-711 0 28. RU-1192 0 29. RU-1195 0 30. Тролокс 0 31. Мексидол 7,5 ± 2,34 ЗАКЛЮЧЕНИЕ Таким образом, проведенный in silico прогноз наличия антиоксидантной активности у 1231 нового производного азолов позволил выявить 240 потенциально активных антиоксидантных веществ. Экспериментальное изучение in vitro АО активности 29 новых веществ с высоким уровнем сходства к эталонным АО соединениям, выбранным по результатам прогноза, и 30 веществ с низким индексом ОКС, позволило выделить 3 вещества с высокой антиоксидантной активностью, перспективных для дальнейшего углубленного изучения. *Данные статистически значимы по отношению к контролю (р < 0,05); #данные статистически значимы по отношению к мексидолу (р < 0,05). Было установлено, что наибольшую активность в концентрации 1 мкмоль/л проявило соединение РУ-210, которое лишь незначительно уступало по активности эталонному веществу тролокс и статистически значимо превосходило по активности мексидол. Соединения РУ-179, РУ-31, РУ-704, РУ-64, РУ-636 и РДМА-5 также были более активны, чем мексидол, но уступали тролоксу. При изучении наиболее активных соединений в широком диапазоне концентраций было установлено, что по уровню ИК50 (табл. 2) наибольшей активностью обладали вещества под шифрами РУ-210 и РУ-636. Таблица 2 ИК50 антиоксидантных соединений, моль/л C целью проверки эффективности прогноза были рассчитаны ошибки первого и второго рода. По результатам скрининга было выявлено, что из 29 веществ с индексом ОКС «2» и «3» у 24 соединений (82,8 %) имелась антиоксидантная активность. Таким образом, ошибка первого рода составила 17,2 %. Для расчета ошибки второго рода были рандомизированно отобраны и исследованы 30 соединений разных химических рядов с индексом ОКС < 1 в концентрации 1 *10-6 моль/л. Было установлено, что из 30 веществ у 8 соединений проявлялась антиоксидантная активность в интервале от 17 до 68 %. Таким образом, ошибка вторгого рода составила 26,6 %. Среди 8 соединений выделено соединение РУС-197, активность которого в данной концентрации составила 68,7 %, и ИК^ был 8,58 х 10-7 моль/л (R2 0,9), что позволяет также отнести его к высоко активным. ЛИТЕРАТУРАОб авторах
Вадим Анатольевич Косолапов
ФГБОУ ВО «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации
Email: vad-ak@mail.ru
д. м. н., профессор кафедры фармакологии и биоинформатики
Д. В Сороцкий
ФГБОУ ВО «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации
П. М Васильев
ФГБОУ ВО «Волгоградский государственный медицинский университет» Министерства здравоохранения Российской Федерации
О. Н Жуковская
НИИ физической и органической химии Южного федерального университетаРостов-на-Дону
В. А Анисимова
НИИ физической и органической химии Южного федерального университетаРостов-на-Дону
Список литературы
- Анисимова В.А., Спасов А.А., Островский О.В. и др. Синтез и фармакологическая активность 3-(ароил) и 3-(гетароил)имидазо[1,2-а]бензимидазолов // Хим.-фарм. журнал. - 2002. - Т. 36, № 12. - С. 3-8.
- Анисимова В.А., Толпыгин И.Е., Спасов А.А. и др. Синтез и биологическая активность n-ацилметил-заме-щенных 9Н-2,3-дигидроимидазои 10Н-2,3,4,10-тетра-гидропиримидо[1,2-а]бензимидазолов и продуктов их восстановления // Хим.-фарм. журнал. - 2006. - Т. 40, № 5. - С. 27-33.
- Васильев П.М., Кочетков А.Н. Свидетельство о государственной регистрации программы для ЭВМ № 2011618547. ИТ «Микрокосм». - № 201616643; заявл. 02.09.2011; зарег. 31.10.2011.
- Гусев Е.И., Скворцова В.И. Нейропротективная терапия ишемического инсульта // Журн. неврологии и психиатрии. Инсульт: прилож. к журн. - 2002. - № 5. - С. 3-16.
- Косолапов В.А., Спасов А.А., Анисимова В.А. Изучение антирадикальной активности новых соединений методами хемилюминесценций // Биомедицинская химия. - 2005. - Т. 51, № 3. - С. 287-294.
- Ланкин В.З., Гуревич С.М., Бурлакова Е.Б. Изучение аскорбат-зависимого перекисного окисления липидов тканей при помощи теста с 2-тиобарбитуровой кислотой // Труды московского общества испытателей природы. - 1975. - Т. 52. - С. 73-78.
- Меньшикова Е.Б., Зенков Н.К., Ланкин В.З. и др. Окислительный стресс: Патологические состояния и заболевания. - Новосибирск: АРТА, 2008. - 284 с.
- Giasson B.I., Ischiropoulos H., Lee V.M. et al. The relationship between oxidative/nitrative stress and pathological inclusions in Alzheimer's and Parkinson's diseases // Free Radic. Biol. Med. - 2002. - Vol. 32. -P. 1264-1275.
- Izenman A.J. Modern Multivariate Statistical Techniques Regression, Classification, and Manifold Learning // Springer Texts in Statistics, 2008.
- Mitra I., Sahay A., Roy K. Chemometric QSAR modeling and in silico design of antioxidant no donor phenols // Sci. Pharm. - 2011. - Vol. 79. - P. 31-57 [Electronic resource]. URL: http://www.ncbi.nlm.nih.gov/pmc/articles/ PMC3097501/.
- Molecular Similarity in Drug Design / Ed. P.M. Dean. -Dordrecht: Springer-Science + Business Media B.V., 2012. - 342 p.
- Verma J., Khedkar V.M., Coutinho E.C. 3D-QSAR in drug design - a review // Current Topics in Medicinal Chemistry. - 2010. - Vol. 10. - P. 95-115.
Дополнительные файлы
![](/img/style/loading.gif)