AMPA受体非竞争性拮抗剂的虚拟筛选及相互作用机理研究

α-amino-3-hydroxy-5-methylisoxazole-4-propionic acid receptors (AMPARs) mediate majority fast excitatory neurotransmission in the central nervous system. AMPARs over-activation induces neuronal cell death, implicated in various neurological diseases, such as cerebral ischaemia, epilepsy, Parkinson's, and Alzheimer's disease, etc. The noncompetitive antagonists can inhibit channel gating and have neuroprotective effects, thus became potential candidates for treatment of neurological disease. How these antagonists bind with AMPARs and exert inhibition mechanism remains unclear. In this project, we will investigate the interaction mode between noncompetitive antagonists and AMPARs using molecular docking and molecular dynamics simulation. We try to elucidate the allosteric modulation mechanism of these antagonist. Further, pharmacophore model, molecular docking and binding free energy calculation will be used to screen database for obtaining novel AMPARs noncompetitive antagonists with various structural skeletons and high antagonist activities. This project will provide new entities for development of novel drugs for treatment of neurological disease.

AMPAR受体（AMPARs）在中枢神经系统中介导大部分快速兴奋性神经传递。过度激活的AMPARs可引起神经元损伤，与多种神经性损伤及慢性神经退行性疾病有关，例如脑缺血、癫痫、帕金森、阿兹海默症等。AMPARs非竞争性拮抗剂可以抑制该受体离子通道打开，具有神经保护作用，因此成为较有潜力的治疗神经系统疾病的药物研发对象。这类拮抗剂如何与AMPARs 结合以及怎样发挥抑制功能的机理尚不明确。本项目拟在前期研究的基础上，以阐明非竞争性拮抗剂作用机理为目标，利用分子对接、动力学模拟等方法研究AMPARs 非竞争性拮抗剂与受体之间的相互作用模式，探讨这类拮抗剂发挥变构调节功能的结构因素；另外利用药效团模型、分子对接、结合自由能计算等方法进行数据库虚拟筛选，拟得到具有结构多样性的高活性的AMPARs非竞争性拮抗剂，为开发治疗神经系统疾病的创新药物奠定基础。

AMPA受体是配体门控的离子型谷氨酸受体离子通道家族中的重要成员，在中枢神经系统中介导大部分快速兴奋性神经传递，其过度激活可引起神经元损伤，与多种神经性损伤及慢性神经退行性疾病有关。AMPA受体非竞争性拮抗剂可以抑制该受体离子通道打开，从而防止AMPA 受体过度激活导致的神经性病变，作为神经保护药物具有较好的药物研发前景，这类化合物如何发挥抑制作用尚不明确，并且目前已有的拮抗剂作为药物的性质并不理想。在本项目中，我们使用分子动力学模拟技术研究这类拮抗剂的作用机制。根据理论计算结果，我们发现非竞争性拮抗剂GYKI结合在AMPA受体亚基之内，在S1-M1，S2-M3 linker之间，与残基 Phe623形成 π – π 堆积相互作用，与Ser615，Asn791形成稳定的氢键相互作用，使受体维持稳定的未激活构象从而发挥拮抗作用。另外，基于6个已有的拮抗剂GYKI-53655、Talampanel、CP-465022、Perampanel（PMP）、Irampanel和YM928的活性构象，建立了药效团模型，该模型包含两个疏水中心和氢键受体。基于已经明确的结合位点和结合模式，我们利用分子对接筛选了包含104万个化合物的小分子数据库，同时利用得到的药效团模型进行了筛选，共得到14个苗头化合物。