一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选

1.本发明属于功能性成分开发技术领域，具体涉及一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选方法。

背景技术：

2.焦虑是现代社会普遍存在的精神和情绪障碍之一，通常与心理、行为、认知和生化变化有关，表现为一种消极的情绪状态，对事件或活动过度的、无法控制的非理性的担忧。焦虑的常见症状包括烦躁不安和无法放松、疲劳、睡眠障碍、易怒、肌肉紧张、肌肉疼痛、头痛、胸痛和其他类型的疼痛。目前世界上有7.3％的人受焦虑症的影响，根据美国国家卫生统计中心(nchs)与人口普查局合作进行的家庭pulse调查数据统计，超过33％的美国成年人持续报告有焦虑或抑郁障碍症状。苯二氮卓类是传统焦虑的药物，但是其在靶向药物剂量下会导致记忆力，认知能力，和驾驶能力的损害。因此，天然产品由于无副作用备受人们关注，其中以植物和草药为主的营养补充剂因在神经系统疾病方面有多种疗效和营养价值而迅速成为研究热点。
3.γ-氨基丁酸(gaba)是哺乳动物中枢神经系统(cns)的主要抑制性神经递质，在焦虑中起着重要作用。低水平的gaba会导致多动症，并与焦虑、抑郁、癫痫、帕金森病、阿尔茨海默病和各种其他运动疾病相关。因此，增加脑内gaba含量是焦虑症的重要途径。gaba由谷氨酸脱羧酶(gad；ec4.1.1.15)合成，并通过γ-氨基丁酸转氨酶(gaba-t)催化gaba降解为琥珀酸半醛(ssa)。所以通过抑制gaba转氨酶(gaba-t)的活性来减少抑制性神经递质gaba的水解，可以控制过度活跃的神经疾病。因此gaba-t酶的抑制剂的研究成为抑制焦虑的重要靶点。
4.本发明通过建立抗焦虑数据库将量化构效关系和分子对接技术相结合筛选潜在的抗焦虑候选化合物，通过adme预测及体外验证发现3个具有抗焦虑潜力的药物候选物。

技术实现要素：

5.本发明的目的是，建立抗焦虑化合物分子数据库，将量化构效关系和分子对接技术相结合筛选潜在的抗焦虑候选化合物，通过adme预测及体外验证发现3个具有抗焦虑潜力的药物候选物。
6.本发明的产品及制备方法如下：
7.一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，包括以下步骤：(1)建立一个抗焦虑化合物的数据库，数据库包括111种已报道的具有抗焦虑作用的化合物；(2)三种描述符池包括moe、mordred和chemopy计算步骤(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较；(3)模型采用四种机器学习方法，包括随机森林(rf)、支持向量机(svm)、k近邻(knn)和线性判别分析(lda)，结合步骤(2)中的描述符建立量化构效关系模型，通过比较12种模型的准确度来确定最优的预测
模型；(4)从蛋白质分子数据库(http：//www.rcsb.org/)中获得gaba-t酶的晶体结构(pdb id：1ohw)，作为蛋白靶标通过autodockvina进行分子对接。利用步骤(3)中的最优模型结合分子对接批量筛选潜在的抗焦虑功能化合物；(5)通过紫外分光光度法体外测定候选化合物对gaba-t酶的抑制活性来验证量化构效关系模型结合分子对接筛选的准确性；(6)通过preadmet网站(https：//preadmet.bmdrc.kr/)对候选化合物的成药性进行评估，进一步筛选可穿过血脑屏障发挥作用的化合物。
8.所述的12种模型组合中mordred描述符和rf模型的组合预测性能最好，最高准确度可达0.9243。
9.所述的量化构效关系结合分子对接筛选食品中的抗焦虑化合物共发现7种具有潜在抗焦虑功能的化合物，分别为槲皮素、芦丁、阿魏酸、石胆酸、紫云英苷、木犀草苷、金丝桃苷。
10.所述的实验条件为在96孔板每孔加入180μl孵育培养基(100mmol/l焦磷酸钾，5mmol/l酮戊二酸，4mmol/l烟酰胺腺嘌呤二核苷酸(nad)，3.5mmol/l 2-巯基乙醇，0.01mmol/l吡哆醛5-磷酸(plp)，ph 8.6)，20μl组织匀浆和10μl样品溶液(10，20，30，50，70，100μg/ml)。平板在37℃下预孵育15min，然后加入20ml的115mmol/lgaba启动反应，用酶标仪测定37℃340nm下15min内nadh的产量。所有试验重复三次。gaba-t酶的抑制率(ir)计算公式为：ir(％)＝[1-((t-tb)-(c-cb))/(对照)]
×
100
[0011]
所述的可以通过血脑屏障作用达到抗焦虑靶点的3种化合物，分别为槲皮素、阿魏酸和石胆酸。
[0012]
本发明最终产品内容物特点：槲皮素、阿魏酸和石胆酸具有通过血脑屏障实现抗焦虑作用的潜力，可以作为抗焦虑候选药物。
附图说明
[0013]
图1是本发明的工艺流程图；
[0014]
图2是mordred描述符的重要性图；
[0015]
图3是rf模型的准确度图；
[0016]
图4是槲皮素和gaba-t酶的分子对接图。
具体实施方式
[0017]
下面结合附图来对具体实施例来进一步描述。
[0018]
一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，包括以下步骤：(1)建立一个抗焦虑化合物的数据库，数据库包括111种已报道的具有抗焦虑作用的化合物；(2)三种描述符池包括moe、mordred和chemopy计算步骤(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较；(3)模型采用四种机器学习方法，包括随机森林(rf)、支持向量机(svm)、k近邻(knn)和线性判别分析(lda)，结合步骤(2)中的描述符建立量化构效关系模型，通过比较12种模型的准确度来确定最优的预测模型；(4)从蛋白质分子数据库(http://www.rcsb.org/)中获得gaba-t酶的晶体结构(pdb id：1ohw)，作为蛋白靶标通过autodockvina进行分子对接。利用步骤(3)中的最优模型结合分子对接批量筛选潜在的抗焦虑功能化合物；(5)通过紫外分光光度法体外测定候选化合
物对gaba-t酶的抑制活性来验证量化构效关系模型结合分子对接筛选的准确性；(6)通过preadmet网站(https://preadmet.bmdrc.kr/)对候选化合物的成药性进行评估，进一步筛选可穿过血脑屏障发挥作用的化合物。
[0019]
所述的12种模型组合中mordred描述符和rf模型的组合预测性能最好，最高准确度可达0.9243。
[0020]
所述的量化构效关系结合分子对接筛选食品中的抗焦虑化合物共发现7种具有潜在抗焦虑功能的化合物，分别为槲皮素、芦丁、阿魏酸、石胆酸、紫云英苷、木犀草苷、金丝桃苷。
[0021]
所述的实验条件为在96孔板每孔加入180μl孵育培养基(100mmol/l焦磷酸钾，5mmol/l酮戊二酸，4mmol/l烟酰胺腺嘌呤二核苷酸(nad)，3.5mmol/l 2-巯基乙醇，0.01mmol/l吡哆醛5-磷酸(plp)，ph 8.6)，20μl组织匀浆和10μl样品溶液(10，20，30，50，70，100μg/ml)。平板在37℃下预孵育15min，然后加入20ml的115mmol/l gaba启动反应，用酶标仪测定37℃340nm下15min内nadh的产量。所有试验重复三次。gaba-t酶的抑制率(ir)计算公式为：ir(％)＝[1-((t-tb)-(c-cb))/(对照)]
×
100
[0022]
所述的可以通过血脑屏障作用达到抗焦虑靶点的3种化合物，分别为槲皮素、阿魏酸和石胆酸。
[0023]
实施例1：
[0024]
(1)建立一个含有111个抗焦虑化合物的数据库。
[0025]
(2)用moe描述符计算(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较。
[0026]
(3)四种机器学习方法根据生成的描述符建立能够筛选抗焦虑化合物的量化构效关系模型，比较模型的准确度选择最优模型。
[0027]
(4)从蛋白质分子数据库数据库中获得gaba-t酶的晶体结构，并将其作为蛋白靶标，通过autodock vina进行分子对接并结合最优模型对食品中的抗焦虑化合物进行预测。
[0028]
(5)用紫外分光光度法体外测定候选化合物对gaba-t酶的抑制活性来验证分子对接结合量化构效关系模型预测结果的准确性。
[0029]
(6)通过preadmet网站对候选化合物的成药性进行预测，挖掘可穿过血脑屏障发挥作用的化合物。
[0030]
实施例2：
[0031]
(1)建立一个含有111个抗焦虑化合物的数据库。
[0032]
(2)用mordred描述符计算(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较。
[0033]
(3)四种机器学习方法根据生成的描述符建立能够筛选抗焦虑化合物的量化构效关系模型，比较模型的准确度选择最优模型。
[0034]
(4)从蛋白质分子数据库数据库中获得gaba-t酶的晶体结构，并将其作为蛋白靶标，通过autodock vina进行分子对接并结合最优模型对食品中的抗焦虑化合物进行预测。
[0035]
(5)用紫外分光光度法体外测定候选化合物对gaba-t酶的抑制活性来验证分子对接结合量化构效关系模型预测结果的准确性。
[0036]
(6)通过preadmet网站对候选化合物的成药性进行预测，挖掘可穿过血脑屏障发
挥作用的化合物。
[0037]
实施例3：
[0038]
(1)建立一个含有111个抗焦虑化合物的数据库。
[0039]
(2)用chemopy描述符计算(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较。
[0040]
(3)四种机器学习方法根据生成的描述符建立能够筛选抗焦虑化合物的量化构效关系模型，比较模型的准确度选择最优模型。
[0041]
(4)从蛋白质分子数据库数据库中获得gaba-t酶的晶体结构，并将其作为蛋白靶标，通过autodock vina进行分子对接并结合最优模型对食品中的抗焦虑化合物进行预测。
[0042]
(5)用紫外分光光度法体外测定候选化合物对gaba-t酶的抑制活性来验证分子对接结合量化构效关系模型预测结果的准确性。
[0043]
(6)通过preadmet网站对候选化合物的成药性进行预测，挖掘可穿过血脑屏障发挥作用的化合物。

技术特征：

1.一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，包括以下步骤：(1)建立一个抗焦虑化合物的数据库，数据库包括111种已报道的具有抗焦虑作用的化合物；(2)三种描述符池包括moe、mordred和chemopy计算步骤(1)中分子的smiles，生成用于捕捉分子结构和性质的分子描述符并进行比较；(3)模型采用四种机器学习方法，包括随机森林(rf)、支持向量机(svm)、k近邻(knn)和线性判别分析(lda)，结合步骤(2)中的描述符建立量化构效关系模型，通过比较12种模型的准确度来确定最优的预测模型；(4)从蛋白质分子数据库(http://www.rcsb.org/)中获得gaba-t酶的晶体结构(pdb id：1ohw)，作为蛋白靶标通过autodockvina进行分子对接，利用步骤(3)中的最优模型结合分子对接批量筛选潜在的抗焦虑功能化合物；(5)通过紫外分光光度法体外测定候选化合物对gaba-t酶的抑制活性来验证量化构效关系模型结合分子对接筛选的准确性；(6)通过preadmet网站(https://preadmet.bmdrc.kr/)对候选化合物的成药性进行评估，进一步筛选可穿过血脑屏障发挥作用的化合物。2.根据权利要求1所述的一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，其特征在于，所述的12种模型组合中mordred描述符和rf模型的组合预测性能最好，最高准确度可达0.9243。3.根据权利要求1所述的一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，其特征在于，所述的量化构效关系结合分子对接筛选食品中的抗焦虑化合物共发现7种具有潜在抗焦虑功能的化合物，分别为槲皮素、芦丁、阿魏酸、石胆酸、紫云英苷、木犀草苷、金丝桃苷。4.根据权利要求1所述的一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，其特征在于，所述的实验条件为在96孔板每孔加入180μl孵育培养基(100mmol/l焦磷酸钾，5mmol/l酮戊二酸，4mmol/l烟酰胺腺嘌呤二核苷酸(nad)，3.5mmol/l 2-巯基乙醇，0.01mmol/l吡哆醛5-磷酸(plp)，ph 8.6)，20μl组织匀浆和10μl样品溶液(10，20，30，50，70，100μg/ml)。平板在37℃下预孵育15min，然后加入20ml的115mmol/l gaba启动反应，用酶标仪测定37℃340nm下15min内nadh的产量。所有试验重复三次。gaba-t酶的抑制率(ir)计算公式为：ir(％)＝[1-((t-t
b
)-(c-t
b
))/(对照)]
×
100。5.根据权利要求1所述的一种结合量化构效关系和分子对接技术的可通过血脑屏障抗焦虑化合物筛选，其特征在于，所述的可以通过血脑屏障作用达到抗焦虑靶点的3种化合物，分别为槲皮素、阿魏酸和石胆酸。

技术总结

本发明属于功能性成分开发技术领域，具体涉及一种抑制GABA-T酶的抗焦虑药物，可以增加脑内GABA水平用于缓解焦虑。本发明通过建立抗焦虑化合物的数据库，应用量化构效关系和分子对接技术结合来筛选食品中潜在的抗焦虑化合物。通过体外试验验证以及ADME预测得到了3种可以通过血脑屏障的GABA-T抑制剂，用于抗焦虑的候选药物，为研究与开发抗焦虑药物及功能性食品提供依据。食品提供依据。食品提供依据。