抗CRPC前列腺癌的AR受体纯拮抗剂的设计、筛选与活性评价

Nonsteroidal anti-androgen receptor drugs are the main therapy to treat prostate cancer (PCa), especially the advanced PCa. But after the patients were treated for months,they inevitably relapse to castration-resistant prostate cancer (CRPC). CRPC is incurable, and the patients will die within two years. In this project we try to help to solute the drug resistance problem by using chemoinformatic tools and computer-aided drug design strategies. We will investigate the mechanism of CRPC resistance and the interaction between AR antagonists and androgen receptor. De novo drug design and virtual screening methods are employed to aid the AR pure antagonists design. The hit compounds from virtual screening will be selected to synthesize and the corresponding antagonist activities will be evaluated by using LNCaP cell. In the cycle of molecular design, synthesis, evluation, and structure-activity relationships, we want to obtain good AR pure antagonists with various structural skeletons and high antagonist activities. This project will provide new entities to solve the resistance problem of advanced prostate cancer and to develop new anti-CRPC drugs.

非类固醇类抗雄激素受体药物是治疗前列腺癌尤其是晚期前列腺癌的主要药物。但在治疗数月后，几乎所有患者都不可避免的会病情复发，并逐渐发展为去势耐药性前列腺癌（CRPC），最终导致患者一般在两年内死亡。本项目拟在前期研究的基础上，围绕CRPC的耐药性问题，采用分子模拟的方法研究CRPC的耐药机制，探讨AR拮抗剂与受体之间的相互作用机理；利用全新药物设计和虚拟筛选的策略进行计算机辅助药物设计，并对苗头化合物进行合成以及活性评价。在设计-合成-评价-构效关系的反馈中，拟得到具有结构多样性的高活性的雄激素受体纯拮抗剂，为解决前列腺癌的抗药性、开发治疗CRPC的创新药物奠定基础。

根据世界癌症报告2014，前列腺癌是男性最常见的恶性肿瘤，其发病率随年龄的增加逐渐升高。2015年美国新发癌症病例中，前列腺癌占26%，在癌症死亡案例中，前列腺癌占9%。中国前列腺癌发病率相对较低，但近年来发病率和死亡率成倍上升。非甾体类抗雄激素受体药物是治疗前列腺癌尤其是晚期前列腺癌的主要药物，该类药物初期治疗效果明显，但数月后几乎所有患者都不可避免的会病情复发，并逐渐发展为去势耐药性前列腺癌，最终导致患者一般在两年内死亡。. 本项目围绕耐药性问题，采用分子模拟的方法研究 CRPC 对以恩杂鲁胺为代表的抗雄激素受体类药物的耐药机制。结果表明，雄激素受体螺旋12（H12）构象的变化，导致雄激素受体发生重组形成一个共激活剂的结合位点(AF2)，然后雄激素受体与共激活剂结合，促进转录的发生。当H12靠近配体结合口袋(LBD)，即H12闭合时，有利于AF2的形成使药物发挥激动作用。当H12打开时，不利于AF2的形成进而使药物发挥拮抗作用。结合口袋氨基酸突变，是导致AR结合药物后H12发生构象变化的主要因素。动力学模拟的实验结果表明，F876L, F876L_T877A, H874Y和L701H突变体系能使恩杂鲁胺由拮抗剂变为激动剂。另一种药物比卡鲁胺亦有类似的作用机制。..定量构效关系模型反应了药物小分子和生物活性之间的关系，可以对未知活性化合物进行预测。为了更好地阐述雄激素受体拮抗剂2-喹啉酮母核与活性之间的关系，多元线性回归模型和3D-QSAR模型被用来研究2-喹啉酮母核的抗肿瘤活性。得到了预测能力很好的模型。. 本项目利用虚拟筛选的策略进行计算机辅助药物筛选。从ChemDiv数据库获得含有135万个小分子化合物的数据库，首先进行里宾斯基五规则筛选，随后，野生型和同源模建得到的AR被用做靶标进行基于对接的虚拟筛选，用QSAR模型预测化合物的活性，筛选得到396个苗头化合物。对该396个化合物结构进行分析后，我们发现了一类新型的四氢吡唑并嘧啶化合物骨架。在ZINC数据库中进行基于骨架的搜索，最终找到5076个该类化合物，然后再次对接筛选和结构分析。通过实验验证，最终苗头化合物C具有较好的抗前列腺癌活性，其半数抑制浓度介于恩杂鲁胺和比卡鲁胺之间。本项目为进一步设计高活性的雄激素受体拮抗剂，解决前列腺癌的抗药性、开发治疗 CRPC 的创新药物奠定基础。